SHOGUN toolbox的一些使用心得

本文介绍了SHOGUN toolbox在机器学习中的使用体验,特别是其支持多核融合和SVM的功能。作者分享了如何设置特征、选择核函数以及训练分类器的过程,并提醒了一些使用中的注意事项,如特征存储方式、标签顺序和核函数的选择。
摘要由CSDN通过智能技术生成

SHOGUN toolbox的一些使用心得

        由于最近在弄毕业设计,要同时使用MKL和SVM,所以找了很多关于这个方面的toolbox。一开始我是使用的是台湾大学林智仁教授的Libsvm和Liblinear的SVM toolbox,感觉到这个东西很好用,不管你是否懂得SVM方面的知识,只要看清楚函数接口和数据的组织形式,就可以方便的使用。当时后来要进行多特征多核融合,但是SVM只支持单核的,并且不能自己学习权重,所以要使用到MKL。在网上找了很久,也找到了许多相关的代码,看了一下,发现代码不是写得晦涩难懂就是太简单了,让人感觉到不踏实。幸好在这个时候我找到了SHOGUN toolbox,目测了一下,发现里面不但有MKL,还有包含了林智仁教授的Libsvm和Liblinear svm等其他的SVM算法,so exciting!!!

SHOGUN toolbox下载地址:http://www.shogun-toolbox.org/page/home/

总结的最好的莫过于官网的总结,请看下图:

        

       SHOGUN是一个机器学习工具箱,其重点是在大尺度上的内核的方法,特别是支持向量机(SVMÿ

评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值