SVM中数据缩放(scale)源码理解

最新推荐文章于 2024-08-27 22:32:28 发布

best-too

最新推荐文章于 2024-08-27 22:32:28 发布

阅读量1.7k

点赞数 1

文章标签： SVM scale

本文链接：https://blog.csdn.net/qq_25244255/article/details/86624157

版权

本文深入探讨SVM训练时的数据缩放，重点关注参数svm_scaling的使用，该参数涉及数据的归一化操作。通过引用《A Practical Guide to Support Vector Classification》中的内容，文章提供了一份数据缩放及加载（确保训练和测试数据一致性）的源码实现总结。

摘要由CSDN通过智能技术生成

在进行ｓｖｍ训练的时候，会有一个参数 svm_scaling scaling，该参数实现对数据的归一化操作，在A Practical Guide to Support Vector Classification一文中有介绍，https://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf，下面是对数据缩放以及加载（训练数据和测试数据进行同样的缩放）的源码实现进行汇总


//svm_wrapper.cpp
//生成缩放因子

void
pcl::SVMTrain::scaleFactors (std::vector<SVMData> training_set, svm_scaling &scaling)
{
  int max = 0;

  for (size_t i = 0; i < training_set.size() ; i++)
    for (size_t j = 0; j < training_set[i].SV.size() ; j++)
      if (training_set[i].SV[j].idx > max)
	max = training_set[i].SV[j].idx; // max number of features

  max += 1;

  scaling.obj = Malloc (struct svm_node, max + 1);
  scaling.max = max;
  scaling.obj[max].index = -1; // last index is -1

  for (int i &#