현재 opencv에서 SVM 분류자를 사용하여 영어 알파벳 분류를 수행하고 있습니다. 나는 특징 벡터의 길이가 분류에 따라 달라집니다 것 이상 일에 의심을 다음습니까? (길이가 길면 (내 현재 길이가 125 인 경우) 교육에 사용 된 데이터의 수에 따라 예측 시간이 달라질까요? 우리는 특징 벡터의 정상화 (이 클래스의 예측에 필요한 예측 및 시간의 정확성을
나는 svm과 아주 가깝습니다. 두 파일 trainingSeta.data과 testingSeta.data이 있습니다. 이 벌금은 FAQ에 명시된대로 올바른 형식입니다. 두 파일의 데이터를 표준화하려고합니다. 그러나 그것을 이해하는 데 어려움을 겪고있다. 그것은 내가 svm-scale을 사용해야한다고 말하고 있지만 그것은 작동하지 않는 것 같습니다. 두 파일
두 파일로 시작했습니다 training & testing. 그런 다음 libsvm 사용하여 좀 교차 검증 값 training.scale에 모두 해당 파일을 확장하고 testing.scale 그런 grid.py (libsvm의 일부)를 사용하여 내가 training.scale를 실행하고 및 받았습니다 그런 다음 사용 svm-train를 실행 C = 512
documentation에서 scikit-learn은 데이터 세트에서 다중 클래스 분류를 수행 할 수있는 클래스 인 SVC, NuSVC 및 LinearSVC를 구현합니다. 다른 한편으로는 scikit에 대해서도 배우고 벡터 머신 알고리즘을 지원하기 위해 libsvm을 사용한다는 것을 읽었습니다. 나는 SVC와 libsvm 버전의 차이점에 대해 다소 혼란 스
Encog 내부에서 SVM을 사용하여 2 진 긍정/부정 분류자를 학습하려고합니다. 이 특정 사례에서 데이터 세트는 매우 불균형 적이며, 부정적인 예는 약 30 : 1의 양의 예보다 많습니다. 모델 교육에서 모델에 주어진 긍정적/부정적 사례를 대략적으로 균형 잡기 위해 음의 경우를 의도적으로 언더 샘플링합니다. 이는 다른 문제에 대해 저에게 유리한 접근 방식
최대 마진 선형 분리 기호 (일명 분류기, 초평면)를 계산할 +/- 레이블이있는 N 데이터 요소 세트가 있거나 해당 선형이 없으면 실패합니다 구분 기호가 존재합니다. 나는 다른 곳에서 그러 하듯이이 질문의 맥락에서 과장되는 것을 피하고 싶지 않습니다. 그래서 여유없는 변수; 교차 검증 없음; 지원 벡터의 수에 제한이 없다. 그냥 최대 여백 구분 기호를 찾거
저는 LibSVM을 사용하는 대학의 C++에서 Support Vector Machine을 연구 중입니다. 문서 및 레이블로 가득 찬 .csv 파일을 구문 분석 할 수 있기를 원합니다. 이 지금까지 꽤 잘 작동하지만 출력으로 내가 C = nan
obj = nan, rho = nan
nSV = 0, nBSV = 0
Total nSV = 0
을 얻을 좋
이 같이 내가 libsvm하고있는 중이 야 : 난 항상 80 % (~ 83 %) 이상의 정확도를 가지고, 각 반복의 예측 라벨의 합 numLabels = max(trainlabels);
model = cell(numLabels,1);
for k=1:numLabels
model{k} = svmtrain(double(trainlabels==k),
OpenCV의 CvSVM을 사용하여 29 개 클래스의 SVM 분류자를 학습합니다. 응용 프로그램이 얼굴 인식이고, 나는 3x6 격자로 얼굴 이미지를 나눕니다. 그리드의 각 블록에 대해 블록에서 추출한 SURF 피쳐의 SVM 분류자를 학습합니다. 여기에서 읽는 http://www.csie.ntu.edu.tw/~cjlin/talks.html은 교육 및 테스트
R 3.1.2에 e1071 패키지를 설치하려고합니다. 내 시스템은 Linux 3.10.0-123.13.1.el7.x86_64입니다. install.packages ("e1071", type = "source")를 사용하여 소스에서 설치를 시도했지만 도움이되지 않았습니다. 누구 제안이 있습니까? * installing *source* package 'e107