![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SVM
文章平均质量分 56
奔跑的兔子686
这个作者很懒,什么都没留下…
展开
-
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。原创 2023-05-19 16:25:51 · 369 阅读 · 1 评论 -
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。原创 2023-05-19 12:24:43 · 311 阅读 · 2 评论 -
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。原创 2023-05-18 14:07:11 · 100 阅读 · 1 评论