奔跑的兔子686-CSDN博客

原创 libsvm初步学习总结（三）PSO-SVM

把需要优化的变量输入到PSO，将适应度设置为svmtrain的输出，虽然也是遍历，但计算量会大大减小，（仅个人见解，未查阅资料，因为后续工作不会涉及此部分，需要用到此部分的读者请自行查阅资料）但是有问题，就是我们不知道上下限，而且步长不合适会导致结果不稳定，步长大可能结果不是最优的c和g。给定c和g的上下限以及步长，然后开始遍历，保存结果好的c和g，遍历完成后就会得到最终的c和g。SVM的原理已经清楚，需要优化哪些参数也清楚，怎么取优化也清楚。下面就是如何快速优化，如何将元启发式算法融入到SVM中。

2023-05-19 16:40:24 248 1

原创 libsvm初步学习总结（三）--交叉验证以及参数优化

将测试集再分为训练集和验证集，假设采用5折交叉验证，分别令第一个数据集第二个数据集..第五个数据集分别作为验证集进行验证。交叉验证代码被封装在svmtrain中，不需要自己手动编写，但是不懂在。到二这一步，可以手动输入参数c和g的值进行预测，但是手动输入添麻烦了。可以进行遍历进行搜索最合适的c和g值，一般采用交叉验证方式搜索。中为什么是2^c(i,j)，可能和实际情况相关，不具普适性。这句话是为了为了减小过拟合，可参考。

2023-05-19 16:25:51 331 1

原创 libsvm初步学习总结（二）

training_instance_matrix：训练样本的特征，如果有m个样本，每个样本特征是n维，则为m x n的矩阵（类型必须为double）。另外，如果在训练中使用了-v参数进行交叉验证时，返回的不是一个模型，而是交叉验证的分类的正确率或者回归的均方根误差。-SVs: 表示所有的支持向量，如果特征是n维的，支持向量一共有m个，则为m x n的稀疏矩阵。-c cost:设置C- svc、epsilon-SVR和nu-SVR的参数C(默认为1)。比如cmd是什么，需要优化的参数又是哪些。

2023-05-19 12:24:43 252 2

原创 libsvm初步学习总结

2.将apple.txt copy到svmscale文件夹，用cmd打开svmscale将apple.txt中数据再次处理为banana.txt，这时数据就可以作为训练的输入了，1.先将数据输入到表格FormatDataLibsvm.xls中，用表格的宏将数据转化为稀疏的矩阵，然后另存为txt文件，假设命名为apple.txt。cmd时这里是有cd两个字符的，不然会导致文件夹打不开，之后就和文章中步骤相同，3.后续就要对svm的条件进行选择参考链接（这一步才是关键，但是今天还没学）首先要对数据进行处理。

2023-05-18 14:07:11 93 1