0
我有1个昏暗的数据,例如6个样品,我想训练就可以了vlfeat的SVM:调整vlfeat SVM
data:
[188.00000000;
168.00000000;
191.00000000;
150.00000000;
154.00000000;
124.00000000]
第3个样品是积极的,最后3个样本均为负面。
,我得到的权重(包括偏置):
w: -0.6220197226 -0.0002974511
的问题是,所有的样品得到预测为负,但他们显然是线性可分。
为了学习,我使用求解器类型VlSvmSolverSgd和lambda 0.01。
我正在使用C API,如果它很重要。
最低工作例如:
void vlfeat_svm_test()
{
vl_size const numData = 6 ;
vl_size const dimension = 1 ;
//double x[dimension * numData] = {188.0,168.0,191.0,150.0, 154.0, 124.0};
double x[dimension * numData] = {188.0/255,168.0/255,191.0/255,150.0/255, 154.0/255, 124.0/255};
double y[numData] = {1, 1, 1, -1, -1, -1} ;
double lambda = 0.01;
VlSvm *svm = vl_svm_new(VlSvmSolverSgd, x, dimension, numData, y, lambda);
vl_svm_train(svm);
double const * w= vl_svm_get_model(svm);
double bias= vl_svm_get_bias(svm);
for(int k=0;k<numData;++k)
{
double res= 0.0;
for(int i=0;i<dimension;++i)
{
res+= x[k*dimension+i]*w[i];
}
int pred= ((res+bias)>0)?1:-1;
cout<< pred <<endl;
}
cout << "w: ";
for(int i=0;i<dimension;++i)
cout<< w[i] <<" ";
cout<< bias <<endl;
vl_svm_delete(svm);
}
更新:
另外我试图通过255除以它没有任何效果是按比例的输入数据。
更新2:
极低的拉姆达= 0.000001似乎解决问题。