支持向量机坏结果-python

-1

我正在学习SVM并且实现了这个代码，它太基本，原始，花费太多时间，但我只是想看看它是如何工作的。不幸的是，它给了我不好的结果。我错过了什么？一些编码错误或数学错误？如果您想查看数据集，请点击此处链接。我从UCI机器学习库中提取它。感谢您的交易。支持向量机坏结果-python

def hypo(x,q): 
    return 1/(1+np.exp(-x.dot(q))) 

data=np.loadtxt('LSVTVoice',delimiter='\t'); 

x=np.ones(data.shape) 
x[:,1:]=data[:,0:data.shape[1]-1] 
y=data[:,data.shape[1]-1] 

q=np.zeros(data.shape[1]) 
C=0.002 

##mean normalization 
for i in range(q.size-1): 
    x[:,i+1]=(x[:,i+1]-x[:,i+1].mean())/(x[:,i+1].max()-x[:,i+1].min()); 

for i in range(2000): 
    h=x.dot(q) 
    for j in range(q.size): 
     q[j]=q[j]-(C*np.sum( -y*np.log(hypo(x,q))-(1-y)*np.log(1-hypo(x,q))) ) + (0.5*np.sum(q**2)) 

for i in range(y.size): 
    if h[i]>=0: 
     print y[i],'1'  
    else: 
     print y[i],'0'

来源

2016-07-31 Mus

也许你应该解释一下，什么样的代码做什么。由于我没有看到任何库调用，我想你自己实现了一些svm算法？哪里？第二个循环？那应该是什么？ SGD？协调血统？ – sascha

根据您的数据，这是很平常的是SVM的简单实现给你坏的结果。您必须尝试SVM实施的高级版本（例如Sickit SVM），您还可以检查：https://github.com/scikit-learn/scikit-learn/tree/master/sklearn/svm

SVM具有不同内核（例如rbf）的实现类型和参数。您必须检查它们并尝试使用不同的参数（取决于您的数据）并将结果相互比较。

您可以使用网格搜索方法来比较（检查：http://scikit-learn.org/stable/modules/grid_search.html）

来源

2016-07-31 19:06:42 Masoud

尽管这里有一些事实，但我认为这有些误导。我不会调用基于内核的SVMs *高级*（尽管它们更高效地执行更复杂），它们只是一个不同的模型。虽然有证据表明像rbf这样的内核可以逼近任何线性SVM的解决方案（我认为），但许多应用程序使用线性方法（非常高维的数据，如NLP，其中CV很难找到那工作rbf核心）。另外：不同的svm解算器（切平面，sgd，cd）在解决方案上并没有真正的区别，但效率和参数依赖性 – sascha

支持向量机坏结果-python

回答

相关问题