Tag: svm

具有动态时间扭曲内核的SVM返回错误率大于0: 我在研究中使用Accord.net。我有一个可变大小的矢量序列作为输入，所以我使用DynamicTimeWarping作为MulticlassSupportVectorMachine的内核。 IKernel kernel = new DynamicTimeWarping(dimension); var machine = new MulticlassSupportVectorMachine(0, kernel, 2); // Create the Multi-class learning algorithm for the machine var teacher = new MulticlassSupportVectorLearning(machine, inputs.ToArray(), outputs.ToArray()); // Configure the learning algorithm to use SMO to train the // underlying SVMs in each of the binary class subproblems. teacher.Algorithm = (svm, classInputs, […]

LibSVM将我的所有训练向量转换为支持向量，为什么？: 我正在尝试使用SVM进行新闻文章分类。我创建了一个包含function（在文档中找到的唯一单词）作为行的表。我用这些特征创建了权重向量映射。即，如果文章的单词是特征向量表的一部分，则该位置标记为1或0 。例如： – 培训样本生成… 1：1 2：1 3：1 4：1 5：1 6：1 7：1 8：1 9：1 10：1 11：1 12：1 13：1 14：1 15：1 16：1 17 ：1 18：1 19：1 20：1 21：1 22：1 23：1 24：1 25：1 26：1 27：1 28：1 29：1 30：1 由于这是第一份文件，所有function都存在。我使用0作为类标签。我使用svm.Net进行分类。我给出了300手动分类为训练数据的权重向量，生成的模型将所有向量作为支持向量，这肯定是过度拟合的。我的总要素（特征向量数据库表中的unique words/row count ）是7610 。可能是什么原因？由于这种过度拟合，我的项目现在状况非常糟糕。它将每篇文章分类为正面文章。在LibSVM中，二进制分类是否对类标签有任何限制？我使用0而不是-1和+1 。那是问题吗？

在没有PCA的多类svm中找到正确的function: 我正在使用多类svm（一对一），3个类对用户进行分类。在二进制中，我将能够绘制不同训练集的超平面方程中每个特征的权重分布。在这种情况下，我真的不需要PCA来看到超平面的稳定性和特征的相对重要性（重新集中的中心顺便说一句）。在多类svm中会有什么选择，因为对于每个训练集，你有3个分类器，你根据三个分类器的结果选择一个类（它已经是什么？出现最大次数的类或更大的判别式？无论哪个都没关系在这里）。任何人都有一个想法。如果重要的话，我正在用Accord写C＃。谢谢！