svm

    46热度

    6回答

    指向一些很好的SVM指南

    我一直在努力掌握支持向量机的基础知识，并下载并阅读了许多在线文章。但仍然无法掌握它。 我想知道，如果有一些 好的教程 示例代码可以用来理解 什么的，你能想到的，那将使我能够轻松学习SVM基础知识。 PS：我以某种方式设法学习PCA（主成分分析）。顺便说一句，你们大概会猜到我正在从事机器学习。
    algorithm machine-learning svm libsvm 2009-07-02

    11热度

    2回答

    如何在R中绘制支持向量机的分类图

    我在R中有支持向量机，现在我想绘制该机器的分类空间。我在互联网上找到了一些例子，但我似乎无法理解它们。 我的[R脚本如下： library(e1071) day_of_week <- c(0,1,2,3,4,5,6) holiday <- factor(c(T, F, F, F, F, F, T)) model <- svm(day_of_week, holiday) plot(model
    r graph machine-learning svm 2009-07-17

    4热度

    2回答

    来自线性SVM模型的权重（R）？

    使用kernlab我训练一个模型，如下面的代码： my.model <- ksvm(result ~ f1+f2+f3, data=gold, kernel="vanilladot") 因为它是一个线性模型，我更喜欢在运行的时间来计算分数作为特征值的简单加权和，而不是使用完整的SVM机器。我怎样才能模型转换为这样的事情（在这里一些虚构的权重）： > c(.bias=-2.7, f1=0.35,
    r svm 2009-12-14

    6热度

    2回答

    使用LibSVM计算平均值/ Stddev对的最近匹配

    我是SVM新手，我试图使用Python接口来libsvm来对包含mean和stddev的样本进行分类。但是，我收到了无意义的结果。 此任务不适合SVM使用，还是在使用libsvm时出现错误？以下是我用来测试的简单Python脚本： #!/usr/bin/env python # Simple classifier test. # Adapted from the svm_test.py fil
    python artificial-intelligence machine-learning svm libsvm 2010-04-02

    7热度

    1回答

    绘制SVM分类图的错误

    我正在使用e1071软件包中的支持向量机对我的数据进行分类，并希望可视化机器实际进行分类的方式。但是，使用plot.svm函数时，出现无法解析的错误。 脚本： library("e1071") data <-read.table("2010223_11042_complete") names(data) <- c("Class","V1", "V2") model <- svm(Clas
    r svm 2010-02-23

    2热度

    2回答

    非监督分类方法可用

    我正在做一个涉及“无监督分类”的研究。 基本上我有一个trainSet，我想以无监督的方式在X个类中聚类数据。想法与k-means所做的相似。 比方说 第一步） FEATURESET是[1057x10]矩阵的计算方法，我想他们聚为88群。 第二步） 使用先前计算的类来计算如何在TESTDATA分类 问题 -Is可以与SVM或N-N办呢？还要别的吗 ？ - 其他建议？
    machine-learning svm 2009-11-18

    10热度

    5回答

    任何python支持矢量机器库都可以在线学习？

    我知道有一些库允许使用Python代码中的支持向量机，但我特别寻找允许在线教授它的库（这是，不必一次提供所有数据）。 有没有？
    python artificial-intelligence machine-learning svm 2009-11-23

    12热度

    3回答

    支持向量机 - 超平面的问题

    从我所看到的，好像分离超平面必须在形式 x.w + B = 0。 我不太明白这个表示法。据我所知，x.w是内在产品，所以它的结果将是一个标量。怎么可以用一个标量+ b来表示一个超平面？我对此很困惑。 另外，即使它是X + B = 0，不会它是正好穿过原点的超平面的？从我所了解的分离超平面并不总是通过原点！
    language-agnostic artificial-intelligence machine-learning svm 2009-10-07
最新问题