- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我想使用数据集来训练模型。该数据集具有三种不同类型的生理数据。 type 1, type 2 and type 3. libSVM 的格式如下:标签 index1:value1 index2:value2....
现在,我将类型 1 的标签设为 1,类型 2 的标签设为 2,类型 3 的标签设为 3。所有值都保存为 1:(value)。所以,我的训练和测试文件如下。
1 1:值\n1 1:值\n1 1:值\n1 1:值\n1 1:值\n...1 1:值\n2 1:值\n2 1:值\n2 1:值\n2 1:值\n2 1:值\n...2 1:值\n3 1:值\n3 1:值\n3 1:值\n3 1:值\n...3 1:值\n
因此,我正在使用这种源文件训练 svm,并使用类似的源文件进行测试。我想确定我是否正确使用了 SVM 数据格式。谢谢
最佳答案
LIBSVM 的矢量数据集格式定义为
label feature_id1:feature_value1 feature_id2:feature_value2 ...
因此,每个特征(或值)都需要有自己的唯一标识符。
示例:
假设您有三个不同的类标签 1,2,3
和一个由 a(id=1),b(id=2),c=(id= 3)
,这是通过特征选择机制获得的。
假设我们有三个数据点d1,d2,d3
,我们想在我们的数据集中描述,例如:
2 1:0.5325 3:0.523
3 2:0.7853 3:0.6326
1 1:0.53265 2:0.5422
含义:
d1
包含特征 a(id=1)
和 c(id=3)
d2
包含特征 b(id=2)
和 c(id=3)
d3
包含特征 a(id=1)
和 b(id=2)
请注意,没有必要为给定数据点中未包含的特征提供 feature_id1:feature_value1
。
关于algorithm - 如何在 libsvm 中为训练和测试文件创建源数据文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39360296/
我正在考虑使用 LibSVM我正在创建所需的特征向量。 在几乎所有的示例数据中,特征都有一个顺序,例如: +1 1:3 2:1 3:5 4:2 10:8 想知道这个顺序是否重要,例如: +1 4:2
对于相同的数据集和参数,LibSVM 和 scikit-learn 的 SVM 实现的精度不同,尽管 scikit-learn also uses LibSVM internally 。 我忽略了什么
当我打开 LIBSVM 训练数据的示例文件时,我无法理解文件结构。有人可以告诉我如何制作吗? 以下是我用于预测歌曲的歌曲作者的训练数据(作为示例): 特征1:歌词中“爱”字的数量 特征2:歌词中“ f
当我打开 LIBSVM 训练数据的示例文件时,我无法理解文件结构。有人可以告诉我怎么做吗? 下面是我预测歌曲作者的训练数据(作为例子): 特征一:歌词中“爱”字的数量 特征2:歌词中“ friend
我是 python 的新手,我正在尝试使用 libsvm。我正在尝试在 grid.py 的帮助下进行交叉验证。我从数据库中获取数据,因此它不是稀疏形式。有什么办法可以按照grid.py中数据格式的要求
我有一个 LIBSVM 缩放模型(使用 svm-scale 生成),我想将它移植到 PySpark。我天真地尝试了以下方法: scaler_path = "path to model" a = Min
我不明白LIBLINEAR API中bias参数的含义。为什么在训练时由用户指定?难道它不应该只是从分离超平面到原点的距离,这是学习模型的参数吗? 这来自自述文件: struct problem {
对于 LibSVM。 在'A Practical Guide to Support Vector Classification'中建议使用m数来表示m-category属性。例如 {red, gree
是否有任何脚本可以将制表符分隔的数据文件转换为 libSVM 数据格式?例如我未标记的数据: -1 9.45 1.44 8.90 -1 8.12 7.11 8.90-1 8.11 6.12 8.78
我的数据有一个奇怪的结果,我想知道您或其他任何人是否对此有任何见解.. 我有大约 5000 个数据和大约 16000 个属性,我用每个类的 2000 个数据(我只有两个类)训练了我的 RBF svm(
我想知道为什么 libSVM 在使用或不使用概率进行预测时会给出不同的准确度结果,并且我在 this page 找到了常见问题解答其中说 Q: Why using svm-predict -b 0 a
我正在使用 LIBSVM for matlab。当我使用回归 SVM 时,它输出的概率估计是一个空矩阵,而在使用分类时此功能运行良好。这是正常行为吗,因为在 LIBSVM 自述文件中它说: -b pr
我想知道为什么 libSVM 在使用或不使用概率进行预测时会给出不同的准确度结果,并且我在 this page 找到了常见问题解答其中说 Q: Why using svm-predict -b 0 a
我已经扩展了我的训练数据并尝试进行交叉验证以获得最佳参数,但我不知道该怎么做。我尝试读取缩放后的训练数据并将它们分配给 svm_problem 变量: svm_node My_svm_node[164
我正在使用 LibSVM 进行一些多类分类。我使用 LibSVM 的 MATLAB 接口(interface)训练模型。然后,我以 C 语言可以识别的格式保存该模型。现在我想在 C 语言中使用 svm
我的目标是制作一个多类分类器,用于处理不同的文件,这些文件将标记至少两个类(或标签)。这些文件是议会倡议的,因此每个文件都将在同义词库中以至少一对值进行索引。 我在Python版本中使用“libsvm
我打算在 MATLAB 中安装 libSVM 并下载了该文件。 但是在 MATLAB 中似乎已经有了函数,svmtrain、svmpredict 等等。 MATLAB 是否已附带 LIBSVM? 最佳
我想使用从 Libsvm 模型派生的参数来预测新数据(不是在 matlab 中)。我想问模型中的支持向量(nSV,sv_coef,SVs)是否是按照模型中Label的顺序排列的?下面是使用线性核从fi
我有一个数据集,负标签值的数量是正标签值数量的 163 倍,所以我有一个不平衡的数据集。我已经尝试过了: model = svmtrain(trainLabels, trainFeatures, '-
我正在使用 libsvm 进行多元回归。我有一些缺失值的数据。例如,我有 10 个实例,每个实例有 10 个节点,每个节点有 10 个与其关联的链接。我需要使用 10 个实例来训练这 10 个节点。但
我是一名优秀的程序员,十分优秀!