svm

    0热度

    1回答

    我是机器学习的新手,当我学习SVM时,发现术语“低维和高维数据”,所以任何人都可以向我解释它们是什么以及它们有什么区别?

    -1热度

    2回答

    什么是增量学习(机器学习)算法有用的一些真实世界的应用程序? SVM是否适合这种应用? 解决方案的计算密集度高于包含旧支持向量和新训练向量的集合吗?

    0热度

    1回答

    这是用于检测SVM的一组图像中的特征的python脚本。 import os import sys import argparse import _pickle as cPickle import json import cv2 import numpy as np from sklearn.cluster import KMeans def build_arg_parser(

    0热度

    1回答

    因此,我遵循本指南来培训我自己的HOG行人检测器。 https://github.com/DaHoC/trainHOG/wiki/trainHOG-Tutorial 并且它成功生成了4个文件。 cvHOGClassifier.yaml descriptorvector.dat features.dat svmlightmodel.dat 有谁知道如何加载descriptorvector.dat文件

    -1热度

    1回答

    在以下链接提供的代码中,我需要在训练循环中添加10倍交叉验证,但我对Tensorflow很陌生,而且我真的很难找到一种方法来做到这一点,但仍然不知道。 https://github.com/nfmcclure/tensorflow_cookbook/blob/master/04_Support_Vector_Machines/06_Implementing_Multiclass_SVMs/06_m

    0热度

    1回答

    我是该领域的初学者,试图按照逻辑回归对数据集进行建模。代码如下: import numpy as np from matplotlib import pyplot as plt import pandas as pnd from sklearn.preprocessing import Imputer, LabelEncoder, OneHotEncoder, StandardScaler

    1热度

    1回答

    我有几个图像的svm培训。这是我第一个使用SVM的项目。我正在使用HOG特征提取来提取特征。培训功能并标记其位置1如果位于地平线上,则为0,如果位于背景上。我有74张训练图像和7张图像供测试。不幸的是,我不能超过50%的准确度。我改变了图像大小,我在特征提取中玩过单元大小。它并没有改变那么多。我可以尝试什么?什么是理想的数据集编号,有多少图像用于培训和测试?例如,在一幅图像中,它预测下一幅图像中的

    0热度

    1回答

    我正在一个项目中使用Spark Mllib线性支持向量机对一些数据进行分类(l2正则化)。我有200个积极的观察结果和150个(产生的)消极观察结果,每个数据具有744个特征,代表了房屋不同区域的人的活动水平。 我已经运行了一些测试,并且“areaUnderROC”度量值为0.991,并且似乎该模型在对我提供给它的数据进行分类时非常好。 我做了一些研究,发现线性SVM在高维数据中很好,但问题是我不

    4热度

    1回答

    我想用支持向量机(SVM)进行预测。并与我使用如下功能的MATLAB和fitrsvmpredict, tb = table(x,y) Mdl = fitrsvm(tb,'y','KernelFunction','gaussian') YFit = predict(Mdl,tb); scatter(x,y);

    1热度

    1回答

    我得到RserveExcpetion,名为org.rosuda.REngine.Rserve.RserveException:在运行下面的代码时eval失败。 import org.rosuda.REngine.REXPMismatchException; import org.rosuda.REngine.Rserve.RConnection; import org.rosuda.REngi