问学习多类svm函数
EN

Stack Overflow用户

提问于 2018-04-15 17:22:55

回答 2查看 8.6K关注 0票数 2

我有多类标签，想要计算我的模型的准确性。

我有点搞不懂我需要用什么滑雪板功能。据我所知，下面的代码只用于二进制分类。

# dividing X, y into train and test data
X_train, X_test, y_train, y_test = train_test_split(X, y,  test_size=0.25,random_state = 0)

# training a linear SVM classifier
from sklearn.svm import SVC
svm_model_linear = SVC(kernel = 'linear', C = 1).fit(X_train, y_train)
svm_predictions = svm_model_linear.predict(X_test)

# model accuracy for X_test  
accuracy = svm_model_linear.score(X_test, y_test)
print accuracy

正如我从链接中了解到的：shape for sklearn.svm.SVC when using OneVsRestClassifier?

对于多类分类，我应该使用OneVsRestClassifier和decision_function_shape (与ovr或ovo一起使用，并检查哪个更好)

svm_model_linear = OneVsRestClassifier(SVC(kernel = 'linear',C = 1, decision_function_shape = 'ovr')).fit(X_train, y_train)

主要的问题是，预测标签的时间对我来说确实很重要，但是运行分类器和预测数据大约需要1分钟(这一次也被添加到特征约简中，比如PCA，这也需要一些时间)？有什么建议可以缩短svm多分类器的时间吗？

machine-learning

scikit-learn

classification

svm

pca

回答 2

Stack Overflow用户

回答已采纳

发布于 2018-04-16 02:33:51

这里有很多事情要考虑：

1)您知道，OneVsRestClassifier将分离所有标签，并在给定的数据上训练多个svm对象(每个标签一个)。因此，每次只向单个svm对象提供二进制数据。

2) SVC内部使用libsvm和liblinear，它们对多类或多标签输出具有“OvO”策略。但是这一点没有用，因为第1点。libsvm只会得到二进制数据。

即使它做到了，它也没有考虑到'decision_function_shape'。因此，提供decision_function_shape = 'ovr'或decision_function_shape = 'ovr'并不重要。

看来你看错问题了。decision_function_shape不应影响速度。试着在拟合前标准化你的数据。SVMs可以很好地处理标准化数据。

票数 2

Stack Overflow用户

发布于 2019-02-08 07:47:53

当使用ovr或ovc分类器包装模型时，可以设置n_jobs参数以使它们运行得更快，例如sklearn.multiclass.OneVsOneClassifier(estimator, n_jobs=-1)或sklearn.multiclass.OneVsRestClassifier(estimator, n_jobs=-1)。

虽然sklearn中的单个支持向量机分类器一次只能使用一个CPU核，但集成多类分类器可以通过设置n_jobs来同时拟合多个模型。

票数 -1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/49848453

复制

MySQL按天，按周，按月，按时间段统计

其他

自己做过MySQL按天，按周，按月，按时间段统计，但是不怎么满意，后来找到这位大神的博客，转载一下，谢谢这位博主的分享

似水的流年

2018/08/01

4.2K0