个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
我正在尝试使用 R 中 kernlab 包的 ksvm 函数进行 epsilon-SVM 回归。我想将参数 C(正则化常数)和 epsilon(不敏感)作为向量(向量长度 = 训练数据长度)。但我不知道如何做到这一点。请建议一些方法。
最佳答案
为什么你认为你能做到？根据documentation对于 ksvm ，您只能对类别进行加权，而不能对特定样本进行加权。例如，可以在 sklearn 中访问此类修改。 python 库(作为样本的权重)。
要人为地实现每个样本的 C 权重，您可以对数据进行过采样。它会非常低效(特别是当你的 C 值差异很大时)，但它可以应用于几乎任何 SVM 库。
关于r - 参数 C. epsilon 作为 R 中 kernlab 的 ksvm 中的向量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15948280/
25
4
0
我想在 R 中为 Ksvm 使用用户定义的内核函数。因此，我尝试制作一个 vanilladot 内核，并与“kernlab”中内置的“vanilladot”进行比较作为练习。 我按如下方式编写内核。
对于kernlab::ksvm中的分类任务，使用的默认SVM是C-svm(LIBSVM，Chang & Lin)，它计算二元分类任务。通过计算多个一对多二元分类器并聚合结果，可以将其扩展到多类问题。通
我整天都在做这个。假设我有一个如下所示的训练数据 1.0000000 0.8260869 0 0.7333333 0.4666667 0 0.0000000 0.0000000 0 0.3076923
我想在 ksvm 中调整参数 C。现在我想知道这个 C 是如何定义的。C的定义是 cost of constraints violation (default: 1) this is the `C'-
我想在 ksvm 中调整参数 C。现在我想知道这个 C 是如何定义的。C的定义是 cost of constraints violation (default: 1) this is the `C'-
我想使用 R 中的 SVM 实现来进行一些回归。我已经尝试使用 e1071 中的 svm 但我受到那里的内核功能的限制。因此，我从 kernlab 转向 ksvm。但我有一个主要缺点，就是 kernl
我有纬度和经度，所以我需要将RBF内核重新定义为exp(-1/2||sophere distrance||^2)，这意味着我需要自己重写一个核函数。 我写我的内核如下: round.kernel <-
关注 Invalid probability model for large support vector machines using ksvm in R : 我正在使用 R 中 kernlab 包
如何使ksvm模型知道数据集中的前100个数字都是来自一个传感器的所有时间序列数据，而接下来的100个数字都是来自另一个传感器的所有时间序列数据，对于六个单独的时间序列传感器输入？或者（也许更一般而言
我使用 R 中 kernlab 包中的 ksvm 来预测概率，并使用 predict.ksvm 中的 type="probabilities" 选项。但是，我发现有时使用 predict(model,
我正在尝试使用 R 中的 kernlab 库(ksvm 函数)实现一个新奇检测器。 这是我正在尝试做的一个简单示例: # Training data xxTrain <- matrix(rnorm(2
我使用以下语法调用 R 中 kernlab 包的 ksvm 方法 svmFit = ksvm(x=solTrainXtrans, y=solTrainYSVM, kernel="stringdot",
我正在尝试使用库(kernlab)中的 SVM 创建一个 2D 图，但它出现了 plot 函数 只适用于二元分类。我希望能够绘制 3 个(或更多)组，如下例所示。 我的数据结构就像虹膜数据一样，所以我
我正在尝试使用 R 中 kernlab 包的 ksvm 函数进行 epsilon-SVM 回归。我想将参数 C(正则化常数)和 epsilon(不敏感)作为向量(向量长度 = 训练数据长度)。但我不知
我是一名优秀的程序员,十分优秀！