svm
方法的基本思想是:定義最優線性超平面,並把尋找最優線性超平面的演算法歸結為求解乙個凸規劃問題。進而基於
mercer
核展開定理,通過非線性對映φ,把樣本空間對映到乙個高維乃至於無窮維的特徵空間(
hilbert
空間),使在特徵空間中可以應用線性學習機的方法解決樣本空間中的高度非線性分類和回歸等問題。
使用工具:
:版本為
2.6.x
或2.7
都可以3)
配置環境:
將一下變數新增到環境變數中:
c:/program files/python27;
c:/gnuplot/binary;
c:/libsvm-3.0/libsvm-3.0/windows
1、利用
svm-train
訓練樣本並生成訓練模型
dos中輸入:
svm-train.exe –c 512 –g 0.002 data1.train
將生成乙個字尾為
model
的檔案2、利用
svm-predict
**測試資料
在dos
中輸入:
svm-predict.exe data1.testing data1.train.model data1.out
3、使用
grid.py
獲取最佳引數
這邊令引數c為
512,g為
0.002
並不是最佳引數,後面將介紹使用
grid.py
來獲取最佳引數
轉到tools
目錄下cd c:/libsvm-3.0/libsvm-3.0/tools 開啟
grid.py
修改gnuplot_exe
的路徑,將路徑改為和你的
gnuplot
路徑一致
gnuplot_exe = r"c:/gnuplot/binary/pgnuplot.exe" 在
dos中執行:
python grid.py data1.train
等個幾分鐘就會獲得乙個最佳引數並生成一張分析過程
4、使用
easy.py
一步到位
要是覺得前面的過程過於繁瑣的話,可以使用
easy.py
進行直接處理
首先還是修改
gnuplot_exe
路徑然後在
dos中執行
:python easy.py data1.train data1.testing
機器學習 支援向量機SVM
svm是一種監督學習演算法,主要用於分類 回歸 異常值檢測。目前應用於文字分類 手寫文字識別 影象分類 生物序列分析。支援向量機是一種通過某種非線性對映,把低維的非線性可分轉化為高維的線性可分,在高維空間進行線性分析的演算法。支援向量機 svm,support vector machine 是根據統...
機器學習 支援向量機SVM
通俗詳見 要明白什麼是svm,便得從分類說起。分類作為資料探勘領域中一項非常重要的任務,它的目的是學會乙個分類函式或分類模型 或者叫做分類器 而支援向量機本身便是一種監督式學習的方法 至於具體什麼是監督學習與非監督學習,請參見此系列machine l data mining第一篇 它廣泛的應用於統計...
機器學習演算法 支援向量機SVM
在上兩節中,我們講解了機器學習的決策樹和k 近鄰演算法,本節我們講解另外一種分類演算法 支援向量機svm。svm是迄今為止最好使用的分類器之一,它可以不加修改即可直接使用,從而得到低錯誤率的結果。案例背景 從前有兩個地主,他們都是占山為王的一方霸主。本來各自吃飽自己的飯萬事無憂,可是人心不知足蛇吞象...