我想使用svm包的e1071函数来执行多类分类.但是从svm的文档中我了解到,它只能执行二进制分类。小片段文档告诉我们多类分类:“为了允许多类分类,libsvm使用一对一技术,通过对所有二进制子分类器进行拟合,并通过投票机制找到正确的分类”。
我仍然不明白的是,我们是否可以在R中使用svm of e1071进行多类分类?如果是,请解释我们如何可以在iris数据集上进行操作。
我无法在我的ubuntu机器上安装e1071。
我试着用:
sudo apt-get install r-cran-e1071
给出一个错误消息:
Warning messages:
1: In open.connection(con, "r") :
unable to connect to 'cran.r-project.org' on port 80.
2: E: Unable to locate package r-cran-e1071
和
install.packages("e1071", dep = TRUE, type = &
我使用Weka对LibSVM分类器进行分类,并希望从评估模型中得到一些与输出相关的帮助。
在下面的示例中,我的test.arff文件包含1000个实例,我想知道每个实例被归类为yes/ no的概率(这是一个简单的两个类问题)。
例如1,如果它被归类为“是”,那么它被分类的概率有多大,这是我正在寻找的东西。
下面是我目前拥有的代码片段:
// Read and load the Training ARFF file
ArffLoader trainArffLoader = new ArffLoader();
trainArffLoader
我用Rstudio构建了我的rpackage,一切都很好。当在check中使用rstudio按钮时,它会给出一些警告,如下所示:
* checking whether package 'rpackage' can be installed ... WARNING
Found the following significant warnings:
Warning: package 'e1071' was built under R version 3.2.4
Warning: package 'frbs' was built under R
我希望安装VIM包,以便在RStudio中输入一些丢失的数据,但我在相关的e1071包中遇到错误。
VIM包安装正常,但相关的e1071失败,原因如下:
> install.packages("e1071", dependencies = T)
Installing package into ‘C:/Users/John/Documents/R/win-library/3.3’
(as ‘lib’ is unspecified)
There is a binary version available but the source version is later:
我是第一次接触支持向量机,我正在尝试使用的Python接口来对包含均值和标准开发的样本进行分类。然而,我得到的却是毫无意义的结果。
该任务是否不适合于SVM,或者我使用libsvm时出现了错误?下面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 file included in the standard libsvm distribution.
from collections import defaultdict
from svm import
我在R中使用e1071包来构建一个单类支持向量机模型。我能够建立模型并打印模型,但我在绘制它时遇到了困难。
我使用了这个支持向量机,还有,它使用的是虹膜数据集,但所有的示例都使用C分类。
library(e1071)
day = c(0,1,2,3,4,5,6)
weather = c(6,5,4,3,2,1,0) #on the example, it was: c(1,0,0,0,0,0,0)
happy = factor(c(T,T,T,T,T,T,T)) #on the example it was: happy = factor(c(T,F,F,F,F,F,F))
d = dat
我想知道为什么libSVM给出了不同的准确性结果,如果我预测或没有概率,我在找到一个常见问题,上面写着
Q: Why using svm-predict -b 0 and -b 1 gives different accuracy values?
Let's just consider two-class classification here. After
probability information is obtained in training, we do not have
prob > = 0.5 if and only if decision value >
我在matlab中使用LIBSVM。当我使用回归支持向量机时,概率估计它的输出是一个空矩阵,而这个特征在使用分类时工作得很好。这是一种正常的行为吗,因为在LIBSVM自述中,它说:
-b probability_estimates: whether to train a SVC or SVR model for probability estimates,
0 or 1 (default 0)
Libsvm是一个用C编写的用于支持向量机的小型库。这里是我使用的libsvm源代码( https://github.com/cjlin1/libsvm )的链接。有没有人可以纠正下面代码中svmtrain()函数或标签矩阵中的选项,以成功执行回归,因为输出表明优化已在#0迭代中完成。 svmtrain()函数之前的代码的目标是将水下彩色图像(图像中的某个矩形)的水像素排列到(m X 3)矩阵中作为数据。标签矩阵是预设为1的(M X 1)向量;{ here is the link to the underwater image,equation of red channel compensa