我无法使用支持向量机和Caret训练函数来训练数据
支持向量机（Support Vector Machine，SVM）是一种常用的机器学习算法，用于分类和回归分析。它的主要思想是通过在特征空间中找到一个最优的超平面，将不同类别的样本分开。SVM在处理高维数据和非线性问题时表现出色。
Caret是一个R语言中的机器学习包，提供了一套统一的界面和函数，用于训练和评估各种机器学习模型。它可以帮助用户进行特征选择、模型调参、交叉验证等常见的机器学习任务。
根据你的问题描述，你遇到了无法使用支持向量机和Caret训练函数来训练数据的问题。可能的原因有以下几种：
- 数据格式不符合要求：支持向量机和Caret训练函数对输入数据的格式有一定要求，例如特征值需要是数值型，标签需要是离散型。你需要确保你的数据符合这些要求。
- 数据量过小：支持向量机和Caret训练函数在处理数据时需要一定的样本量来保证模型的准确性和泛化能力。如果你的数据量过小，可能会导致训练函数无法正常工作。你可以尝试增加数据量或者使用其他适合小样本数据的算法。
- 数据存在缺失值或异常值：支持向量机和Caret训练函数对数据的质量要求较高，如果数据中存在缺失值或异常值，可能会导致训练函数无法正常工作。你需要对数据进行预处理，处理缺失值和异常值。
- 参数设置不正确：支持向量机和Caret训练函数有一些参数需要进行设置，例如核函数的选择、正则化参数的设置等。你需要仔细查阅相关文档，确保参数设置正确。
针对你的具体问题，我无法给出具体的解决方案，因为缺乏更多的上下文信息。但是你可以参考腾讯云的机器学习平台AI Lab（https://cloud.tencent.com/product/ai）来进行模型训练和部署。AI Lab提供了丰富的机器学习算法和工具，可以帮助你解决训练数据的问题，并且与腾讯云其他产品有良好的集成性。
相关·内容
我用戴尔的统计软件对一些数据进行了分析。我在一篇科学论文中使用这一分析。虽然数据挖掘不是我的主要话题，但我以前上过数据挖掘课，也有一些知识。
我知道数据被分离为%75 %25 (数字可能改变)、训练和测试部分，或者使用n倍交叉验证来测试模型的性能。
在模型执行前的统计支持向量机建模中，有制表符来进行配置。在数据抽样选项卡中，我输入了%75，%25分离，在交叉验证选项卡中，我输入了10 -fold交叉验证。在输出中，我看到数据实际上是作为训练和测试分开的(模型预测是为测试值提供的)。
还存在交叉验证错误。我将复制下面的结果。我很难理解和解释这一产出。我希望知道比我更好的统计数据的人和/或对这个工
浏览 2提问于2016-06-12得票数 0
回答已采纳
我有一个关于SVM MATLAB工具箱2009 b的问题！问题是：
如何在MATLAB工具箱2009 b中训练支持向量机分类器对多类数据集进行分类？
我只想使用MATLAB工具箱，所以如果有方法实现它，请回答它。例如，下面的代码用于分类两类数据集：
svmtrain( training data, ...
labels of training data, ...
'Kernel_Function', ...
'rbf',
浏览 2提问于2012-01-29得票数 1
3回答
众所周知，支持向量机的目标函数是迭代训练的。为了继续培训，如果我们想要在相同的训练数据集中继续，至少可以存储迭代中使用的所有变量。
然而，如果我们想要在稍微不同的数据集上进行培训，那么我们应该如何充分利用以前训练过的模型呢？或者这种想法有意义吗？我认为如果我们训练一个K均值模型是相当合理的。但我不知道这对支持向量机问题是否仍然有意义。
浏览 7提问于2014-01-17得票数 4
回答已采纳
1回答
我试图使用NLTK来训练一个用于多类文本分类的朴素贝叶斯分类器。但我无法接触原始文本。我得到的是一个支持向量机轻型格式的文件(每一行都有一个带有特性:value对的实例)。我只需导入这个文件，并使用这个数据集训练和测试朴素贝叶斯分类器。我想知道是否有办法将这个文件导入NLTK并直接用于训练分类器。
浏览 0提问于2014-03-24得票数 2
回答已采纳
1回答
SVM的参数选择
、、
我有一个数据集，我用libSVM在Matlab中进行分类。数据集由4个类组成。
对于支持向量机的参数选择，可以进行嵌套交叉验证。问题是，我最终也需要最佳参数的值。
在完成嵌套交叉验证并具有最终的准确性之后，我需要最佳参数的值。然后，我将为每个类别(1-VS-All)训练一个支持向量机( SVM )，其中包含选择最重要特征的最佳参数(根据最高度的权重)，即特征重要性图。
我该怎么做？我不应该做嵌套的交叉验证，只循环所有参数并进行交叉验证吗？
其次，如果我使用线性支持向量机，然后使用这个加权向量w来确定特征的重要性，那么它是否也适用于非线性支持向量机(例如rbf核)？
浏览 2提问于2015-06-18得票数 1
回答已采纳
我有一个在MATLAB中训练的支持向量机模型(使用了6个特性)，为此我有：
支助向量337 x6
阿尔法337 x 1
偏向
核函数：@rbf_kernel
核函数Args = 0.9001
GroupNames 781x1
支持向量指数337 x1
刻度数据包含：
移位1 x 6
比例尺因数1x6
以上都是我能够在python中加载的数据。
现在，我想在python中使用这个模型，而不需要再培训，以便在python中执行分类。特别是，我想用MATLAB生成的支持向量在python中创建一个支持向量机模型。
有可能吗？多么?任何帮助都将
浏览 0提问于2017-03-21得票数 2
2回答
最大支持向量
、、、
最近，我研究了支持向量机和支持向量机。例如，如果我在一个有n个数据的二维分类问题中选择硬线性支持向量机，那么结果就是k=2支持向量。如果我在以前的数据中添加另一个标记数据并重新训练SVM。SV的最大数量是多少？
我想是N+1但我需要一些证据。有人能帮上忙吗？
浏览 1提问于2014-05-29得票数 0
我已经为我正在进行的一项概念验证研究精心收集了数据。数据由40个不同的对象组成，每个对象以60个时间间隔测量12个参数，其中1个输出参数为0或1。因此，我正在构建一个二进制分类器。
我预先知道输入参数和输出参数之间存在非线性关系，因此简单的贝叶斯分类器无法对样本进行分类。经过初步测试，这一假设被证明是正确的。
因此，我选择了神经网络，正如我所希望的那样，结果相当不错。结果通常是大约1-5%的误差。使用70%作为训练和30%作为评估来完成训练。通过模型再次运行完整的数据集(100%)，我对结果非常满意。下面是一个典型的混淆矩阵(P =正，N=负)：
P N
P 13 2
浏览 2提问于2012-11-19得票数 1
回答已采纳
scikit学习的SGDClassifier将其定义为“线性分类器(支持向量机、logistic回归等)和SGD训练。”我从这里了解到，任何线性分类器都可以在这里使用。我想知道，我们如何定义一个特定的线性分类器，用于SGDClassifier的情况。
浏览 0提问于2020-09-21得票数 1
回答已采纳
2回答
假设我有一个数据集，我想用神经网络和支持向量机进行训练。在训练后的数据集中，神经网络是否会过度适应，而支持向量机则不会？就像一个数据集对一种训练算法来说是否过分适合，而不太适合另一种训练算法吗？有可能吗？或者如果它不适合于一种训练算法，那么可以假设它也不适合其他的训练算法？
浏览 0提问于2016-08-08得票数 0
回答已采纳
当我们在非线性可分数据上训练基本支持向量机(线性核和无软边界)时，会发生什么情况？优化问题是不可行的，那么最小化算法返回什么？
浏览 0提问于2015-01-24得票数 13
1回答
当我手头有经过训练的支持向量机模型时，如何在测试数据中进行转换？我试图模拟数学方程的SVM输出和训练的SVM模型(使用RBF核)。我该怎么做？
在支持向量机中，使用的一些常见内核是：
在这里，xi和xj代表两个样本。现在，如果数据有5个样本，这种转换是否包括两个样本的所有组合以生成转换后的特征空间，如x1和x1、x1和x2、x1和x3、.、x4和x5、x5和x5。
如果数据有两个特征，那么2阶多项式变换将输入转换为3维，如幻灯片15 中所解释的那样。
现在，如何才能找到类似的解释，转换使用RBF核？我试图编写一个代码来转换测试数据，以便我可以将经过训练的支持向量机模型应用到它上。
浏览 2提问于2016-02-09得票数 1
回答已采纳
3回答
机器学习支持向量机
、、、
如果使用支持向量机从核数据训练模型，则得到的训练模型包含支持向量。现在考虑使用已经存在的旧数据以及少量新数据来训练新模型的情况。因此：
如果将新的数据与以前形成的模型的支持向量组合起来，形成新的训练集。(如果是，那么如何将支持向量与新的图形数据结合起来？我正在研究libsvm)
或者：
是否应该将新的数据和完整的旧数据组合在一起，形成新的培训集，而不仅仅是支持向量？
哪种方法更适合再培训，在准确性和记忆方面更可行和更有效率？
浏览 7提问于2016-02-15得票数 3
回答已采纳
2回答
线性支持向量机的预测复杂度是多少？它的分离面只是一个超平面，所以预测时间似乎不应该依赖于训练数据。同时，我了解到复杂度与支持向量的数量成正比。在训练好的分类器中保留所有这些支持向量有什么意义？
浏览 2提问于2013-04-11得票数 3
回答已采纳
1回答
我有一个关于在支持向量机(线性)和NeuralNetwork (神经网络)之间进行后期融合的过程的问题， 我做了一些研究，我发现将支持向量机的clf.predict_prob和神经网络的Model.predic连接起来，我应该训练新的模型，但是，这些分数是用于测试数据的，我不知道如何处理训练数据。 换句话说，我用来自我的两个模型(SVM和NN)的测试数据的连接概率分数训练新模型，然后用相同的连接数据测试这个新模型，我不是很确定这一点。 你能给我一个洞察这是正确的吗？
浏览 13提问于2021-10-08得票数 1
回答已采纳
2回答
如何找到支持向量机的支持向量？
、、、、
我正在使用libl线性库在我的数据上训练线性支持向量机。我可以访问经过训练的模型的每一类的权重。但我需要找出哪些训练实例充当支持向量。
liblinear库似乎没有将这些向量作为模型属性提供。我似乎想不出怎么才能手动找到它们。如果我有训练数据和定义超平面的权重，我该如何找到这些支持向量？
浏览 0提问于2020-04-02得票数 0
1回答
我读过这篇关于神经网络的文章：
“虽然感知器规则在训练样本是线性可分的情况下找到了一个成功的权向量，但如果这些例子不是线性可分的，则它可能无法收敛。
我的数据分布是这样的:橡胶的生产、橡胶的消费、合成橡胶的生产和汇率都是按比例计算的。
我的问题是，数据不是线性可分的，所以我是否应该应用人工神经网络呢？这是一条仅适用于线性可分数据的规则吗？因为我得到了很好的结果使用它(0.09%的MAPE错误)。我还应用了支持向量机回归(fitrsvm function in MATLAB)，因此我不得不问，支持向量机可以用于预测/prediction还是仅用于分类，我还没有读到过使用支持向量
浏览 2提问于2016-04-27得票数 0
回答已采纳
3回答
有一个非常大的自己收集的大小为2000000 12672的数据集，其中行显示实例和列的数量、特性的数量。此数据集占用本地硬盘上的~60G。我想在这个数据集上训练一个线性支持向量机。问题是，我只有8G内存！，所以我不能加载所有的数据一次。在这个大数据集上有什么解决方案来训练支持向量机吗？生成数据集是我自己的愿望，目前是HDF5格式。谢谢
浏览 4提问于2015-09-15得票数 5
回答已采纳
3回答
我想使用支持向量机进行基于HOG特征的分类。
我知道HOG特征是每个单元格中所有直方图的组合(即它成为一个聚合直方图)。
我在此中使用MATLAB代码为Dalal变体提取HOG特性。
例如，我有一个大小为384x512的灰度图像，然后我在9个方向和一个单元格大小为8的情况下提取了HOG特征。通过这样做，我得到了48x64x36特征。
如何使这成为直方图，并将其用于支持向量机分类器？
因为，例如，我将有7类图像，我想要进行培训(培训的总图像将是700 )，然后根据从培训阶段生成的模型对新数据进行分类。
我读过，对于多类，我们可以训练我们的支持向量机，用一个对全部，这意味着我必须为我的7个类别训练
浏览 4提问于2014-04-05得票数 5
我有一些数据和Y变量是一个因素-好或坏。我正在建立一个支持向量机使用‘列车’方法，从‘插入’包。利用“训练”函数，最终确定各种参数的取值，得到最终的支持向量机。对于测试数据，我可以预测“类”。但是当我试图预测测试数据的概率时，我得到了误差(例如，我的模型告诉我，测试数据中的第一个数据点有y= 'good‘，但我想知道在支持向量机情况下获得’good‘...generally的概率是多少，模型将计算prediction..if Y变量有2个结果的概率，然后模型将预测每个结果的概率。具有最大概率的结果被认为是最终解)
**Warning message:
In probFunction
浏览 4提问于2013-07-24得票数 8
回答已采纳
1回答
为了创建一个机器学习算法，我创建了一个字典列表，并使用scikit的DictVectorizer为每个项目创建一个特征向量。然后，我从数据集中创建了一个SVM模型，使用部分数据进行培训，然后在测试集上测试该模型(您知道，这是典型的方法)。一切都很好，现在我想把模型部署到野外，看看它是如何在新的、未标记的、未见的数据上工作的。如何保存特征向量，使新数据具有相同的大小/特征，并与支持向量机模型一起工作？例如，如果我想训练的话：
[{
'contains(the)': 'True',
'contains(cat)': 'True',
浏览 3提问于2014-06-10得票数 4
回答已采纳
1回答
我正在尝试训练一个SVM来对两个螺旋数据进行分类。
我的输入是一个3列的CSV文件，前两列是缓和曲线(未标准化)上的点的(x，y)-coordinates，第三列是点所属的缓和曲线(类)。
我首先对CSV文件进行规范化，使前两列在0和1之间(第三列保持不变)。
然后我创建并训练一个SVM，如下所示
CSVNeuralDataSet trainingSet = new CSVNeuralDataSer(normaliseCSV("/path/to/data/file"), 2, 1, false);
SVM svm = new SVM(2, false);
final
浏览 4提问于2015-04-26得票数 2
我想给HOGDescriptor (CPU接口)提供一个训练有素的支持向量机。HOG描述符提供了一个方法setSVMDetector(const vector<float>& detector)，我在问vector<float>& detector中应该包含什么呢？
我有一个训练有素的支持向量机，它可以创建一个xml文件。我想对自定义数据集使用hog.setSVMdetector(const vector<float>& detector)。如何将此函数用于我们自己的数据？请各位提出解决方案。
我使用MS来执行代码。
浏览 1提问于2015-04-20得票数 3
我使用的是OpenCV (3.1)支持向量机和3个类。有没有办法处理不属于这些类的输入数据？是否有可能从预测中获得概率？
我只想将未知类别的数据标记为“不属于任何经过训练的类别”。
谢谢
浏览 2提问于2017-04-19得票数 0
我的目标是训练一个支持向量机，并得到支持向量，我可以插入到opencv的HOGdescriptor中进行目标检测。
我收集了4000个阳性和15000个负数，并使用opencv提供的支持向量机进行了培训。结果给了我太多的假阳性。(每幅图像最多20 )，我会将假阳性剪辑出来，并将它们添加到底片池中进行再培训。有时我会得到更多的假阳性！我尝试将我的hogdescriptor的L2HysThreshold调高到300，但没有明显的改善。我的正反两面够大了吗？
支持向量机的训练也比预期的快得多。我尝试了一个特征向量大小为2916和12996，在不同的尝试中使用灰度图像和彩色图像。支持向量机训练从未超过
浏览 3提问于2013-08-26得票数 5
回答已采纳
1回答
假设我们在一个数据集上训练支持向量机，支持向量为SV=\{x_1,x_2,\cdots,x_n\}。然后，我们知道决策计划是由SV决定的。我的问题是，如果我们从数据集中删除一个支持向量(比如x_1)，并再次对模型进行训练。在新的数据集上进行训练之后，其他的支持向量\{x_2,\cdots,x_n\}是否仍然是新的支持向量？
浏览 0提问于2022-08-11得票数 0
回答已采纳
1回答
我已经使用以下代码训练和测试了一个模型
library(e1071)
library(readxl)
library(caret)
class1.svm.model <- svm(Class ~ ., data = class1.trainset,cost=20, cross=10,type="C-classification",kernel="radial",na.action=na.omit)
class1.svm.pred <- predict(class1.svm.model, class1.testset)
finalmatrix<
浏览 0提问于2017-10-20得票数 0
2回答
我试图了解线性分类支持向量机是如何工作的(如用于的支持向量机)。我觉得我错过了一个重要的部分，恐怕我找不到一个清晰的描述来更好地理解它。我知道有现成的实现，到最后我可能会使用其中的一个，但我想了解我在做什么。
据我所知，支持向量机使用许多特征向量和正确的分类进行训练。经过训练后，支持向量机被完全定义为一组超平面(维数是特征向量的长度)，通常是很小的数目。我希望(天真地？)我训练的支持向量机是这样的：
ax >=b: 0
ax < b: 1
其中x是特征向量，ax = b是超平面。在这里我遇到了问题，因为：
我不明白在中，他们怎么会得到一个经过训练的支持向量机，这个值是1.7GB
浏览 9提问于2015-06-21得票数 0
回答已采纳
我正在使用FaceNet对大约3000人的脸进行分类。每个人大约有100张照片。
FaceNet首先计算每个照片的人脸嵌入(一个特征向量)。所以每个人都有100个面部嵌入。
我想要做的是把每个人的脸集合成一个。做这件事最好的方法是什么？
我试过用刻薄的方法。但我不知道这是否被推荐的方式。
--我之所以想这样做，是因为对3000种标签使用单一的支持向量机作为分类器是非常缓慢的。(我花了50+小时和250克内存，它仍然无法完成训练)。因此，我需要将训练数据划分为子集，并使用多个SVCs来获得第一级结果。然后利用每个人的聚类人脸嵌入和最近距离得到二级结果。
浏览 0提问于2018-11-26得票数 1
我需要通过大量的训练示例来训练一个回归模型，它有可能包含任意的特性。我应该考虑什么学习算法，为什么？
对这一问题的简要总结：
目前，examplesAdding培训示例中包含了10个eachAproximately 400 k填充的特性(在timeRetraining上添加了更大的功能space)Additional功能，或者每天调整模型(至少)以纳入新的examplesOptimization标准:最小平方百分比errorOutput：，一个单一实数)。
我有一些经验，训练对数线性模型，类似大小的分类问题(使用支持向量机，平均和投票感知器等)。添加任意特性的能力很重要，但在这种情况下，培训时
浏览 3提问于2012-04-24得票数 6
回答已采纳
2回答
背景/问题
我正在尝试创建一个支持向量机使用Scikit-learn。我有一个训练集(这是链接到它，)，我加载，然后使用它来训练支持向量机。训练集有3600行长。当我使用所有3600元组时，支持向量机从未完成训练.但是当我只使用第一个3594元组时，它会在一分钟内完成训练。我试过用各种不同的训练装置，但同样的事情还在继续发生.取决于我使用支持向量机的元组数量，要么训练得非常快，要么它永远不会完成。这使我得出结论，即支持向量机很难收敛到数据上的答案。
我认为这是一个收敛问题的假设是正确的吗？如果是的话，解决办法是什么？如果没有，还会有什么问题呢？
码
import pylab as pl #
浏览 4提问于2013-10-22得票数 1
1回答
如何用新数据更新支持向量机模型
、、、、
我有两个大小不同的数据集。
1)数据集1具有高维4500个样本(草图)。
2)数据集2具有低维1000个样本(真实数据)。我认为“两个数据集都有相同的分布”。
我想在第一个数据集上使用sklearn训练一个非线性的sklearn模型(作为预训练)，然后我想更新第二个数据集的一部分模型(以适应模型)。我如何开发一种最新的雪橇。如何更新支持向量机模型？
浏览 9提问于2016-02-18得票数 7
回答已采纳
我是OpenCV的新手。是否有方法为OpenCV svm开发的经过训练的数据集绘制图形或开发一些可视化内容，以便我可以检查我的训练数据是否准确并相应地调整我的支持向量机参数？
浏览 3提问于2016-12-24得票数 1
回答已采纳
我需要一些帮助来训练一个Android应用程序的支持向量机。我有一组不同类别(12个类别)的图像，并从中获得了所有的描述符。我设法为每个图像获取了相同数量的描述符。我需要的是使用这些描述符为我的android应用程序训练一个SVM。我不确定我是应该在Android模拟器中训练它，还是应该编写一个C++程序来训练支持向量机，然后将其加载到我的应用程序中(如果我使用windows的OpenCV库来训练支持向量机，然后保存它，我正在使用的Android库是否能识别保存的支持向量机文件？)。我想我不应该在模拟器中用这么大的数据集训练SVM。我已经在Weka ()的SMO上测试了我的描述符的数据集，并获
浏览 1提问于2013-04-23得票数 4
回答已采纳
3回答
我读过关于支持向量机的文章，虽然我不完全理解支持向量机背后的数学原理，但我知道它产生的决策平面在不同类别的例子和支持向量在过程中的作用之间存在最大的差距。我还知道支持向量机是一种双学习算法(只使用实例之间的点乘积运算的算法)。它利用核函数计算训练实例之间的点积(相似性度量)。
简单地说，我想要理解的是:假设我有一个所有训练示例的相似矩阵，指定训练样本中任何(所有)两个示例之间的相似量。如何仅基于这些信息生成分类器或聚类？
浏览 0提问于2018-05-25得票数 3
1回答
Hu矩和SVM不起作用
、、、
我在尝试用支持向量机训练数据时遇到了一个问题。从人脸图像中得到一些不同的区域(连通像素集)，从眼睛中得到的区域非常相似，所以我想使用Hu矩来进行形状描述和支持向量机训练。但是支持向量机不能正常工作，svm.predict方法事后将所有的区域评价为非眼区域，并将在训练阶段被标记和使用的相同区域评价为非眼区域。特征数据仅包含7个Hu矩。稍后我将在这里发布一些源代码示例，谢谢:)
更多信息：
输入图像：
为1张图像设置基本的svm：
int image_regions = 10;
Mat training_mat(image_regions ,7,CV_32FC1); // 7 hu mome
浏览 1提问于2014-04-03得票数 0
我使用训练集和测试集对我的数据集进行了Logistic回归和支持向量机。现在，为了检查我的结果是否健壮，我想执行交叉验证(我使用的是caret包)。
我正在使用以下代码：
train_control <- trainControl(method="repeatedcv", number=10, repeats=10)
model <- train(response ~., data=df, trControl=train_control, method="glm")
然而，在我看来，我似乎只是在检查我的logistic回归模型的准确性(因为我使用的是
浏览 1提问于2019-05-18得票数 0
回答已采纳
2回答
在训练和预测过程中，我使用了Matlab中的libsvm和选项'-b 1'。但是它总是返回Model does not support probabiliy estimates，所以我无法得到任何概率或精度估计。我尝试了二进制类支持向量机(不是nu！)，它应该与'-b 1'一起工作，但它不是。有人知道这个问题的原因吗？
谢谢
浏览 3提问于2014-02-18得票数 1
回答已采纳
在对一些Kaggle数据进行SVM训练时，我遇到了线性核无法给出任何结果的情况。
这对我来说没有意义，因为RBF内核工作得很好，我的理解是，线性内核是一个严格简单的版本，不会将数据映射到更高的维度。事实上，全 我的 研究提出，不仅线性内核是可能的，而且在大多数情况下，收敛速度应该更快(权衡结果可能不准确)。
然而，事实证明并非如此。当RBF核在~6分钟后进行交叉验证时能够产生一个结果，而线性核仅在6小时后就没有输出。在此之后，我只是强迫退出训练，并转移到测试其他支持向量机参数。
一些事实的细目：
大约60000个例子，大约120个特性(有时减少到30个特性会有帮助，线性内核会在许多小时后产生结
浏览 0提问于2015-12-20得票数 6
对于所有支持向量机版本，如c- SVM，v- svm，软边距svm等，支持向量可以不是训练样本吗？
浏览 1提问于2013-04-26得票数 2
回答已采纳
2回答
我使用scikit-learn库对卫星图像执行监督分类(支持向量机分类器)。我的主要问题是如何训练我的SVM分类器。我在youtube上看过很多视频，也读过一些关于如何在scikit-learn中训练支持向量机模型的教程。我看过的所有教程，都使用了著名的Iris数据集。为了在scikit-learn中进行有监督的支持向量机分类，我们需要有标签。对于Iris数据集，我们有一个Iris.target，它是我们试图预测的标签('setosa'，'versicolor'，'virginica')。通过阅读scikit-learn文档，培训过程非常简单。
浏览 0提问于2017-04-10得票数 5
回答已采纳
我有一个大约111Mb的大型特征数据集，用于分类，有217000个数据点，每个点有1760000个特征点。在MATLAB中使用支持向量机进行训练时，需要花费大量的时间。
如何在MATLAB中处理这些数据。
浏览 1提问于2017-07-29得票数 1
2回答
当训练支持向量机(SVM)对完全相同的数据进行分类时，根据输入的顺序( )，得到不同的分类结果。如果我洗牌数据，我会得到不同的支持向量机。
如果我正确地理解了这个理论，那么不管输入的顺序如何，支持向量机的解都应该是相同的，那么为什么得到不同的结果呢？支持向量机中是否有任何实现“细节”？为什么洗牌会改变解决方案？我已经检查过我的代码好几次了，因为我觉得这很难闻。
我在OpenCV中使用支持向量机的实现。
编辑:在本例中，通过洗牌，我指的是更改数据点的顺序而不是功能。
浏览 3提问于2011-10-06得票数 3
回答已采纳
这是我考试时问的一个问题。我给出了下面的答案，我得到了0分。教授甚至不同意给予任何部分学分，也不告诉我我的答案出了什么问题。有人能帮我找出我的答案出了什么问题吗？
这是我在考试中给出的答案。缺点是: 1)如果数据在扩展的特征空间中是线性可分的，那么线性支持向量机可以更好地最大化边缘，并可以导致更稀疏的解。2)当存在大数据集时，与扩展特征空间中的核化支持向量机相比，线性支持向量机训练和预测所需的时间更少。3)与线性支持向量机相比，核化支持向量机可以生成更复杂的训练支持向量机模型。
浏览 1提问于2018-03-16得票数 1
1回答
使用支持向量机的目的在于，该算法将能够判断输入是否正确，等等。
我试图使用支持向量机进行预测维护，以预测系统过热的可能性。
对于我的例子，范围是0-102°C，如果温度达到80°C或以上，它被归类为失败。
我的输入是30个双倍的数组(最后30个读数)。
我正在做一些样本输入来训练支持向量机，我想知道传递非常具体的数据来训练它是否是一个好的实践--例如通过80°C，81°C . 102°C的数组，这样模型就会自动地将这些值与失败联系起来。你也可以做一个30x79°C的数组，并将其设置为通过。
这似乎是一种完整的方法，尽管如果输入像这样的数组，难道它不等同于硬编码开关语句，以便在温度为80->
浏览 2提问于2017-12-20得票数 0
回答已采纳
默认情况下，SKLearn在多类情况下训练支持向量机时使用分类方案。
我有点困惑，当您调用属性(如svm.n_support_或svm.support_vectors_ )时，您得到了哪些支持向量？例如，在虹膜数据集的情况下，有3个类，因此总共应该有3*(3-1)/2 =3种不同的支持向量机分类器。你从哪个分类器中得到支持向量？
浏览 1提问于2016-01-26得票数 2
回答已采纳
我对Matlab中的SVMs很陌生，需要一些帮助。
我想使用统计工具箱的内置函数fitcsvm来训练支持向量机。当然，有许多参数选择控制如何训练支持向量机。
Matlab的帮助是关于参数如何保存更好的训练结果的一点工资。特别是参数‘盒对比’似乎对选择的支持向量数和泛化质量有着重要的影响。
帮助()说
一种参数，用于控制对违反保证金的观察施加的最大惩罚，并有助于防止过度拟合(正则化)。
如果增加了框约束，那么SVM分类器就会分配较少的支持向量。然而，增加盒约束会导致更长的训练时间。
这个参数究竟是如何使用的？它是相同的，还是类似于引用中的软边际因子C？还是完全不同的东西？
谢谢你的帮助。
浏览 1提问于2015-07-01得票数 13
1回答
我想用opencv c++训练一个支持向量机，以便推断图像中一个点相对于另外两个与所需点相关的点的位置。
基本上，我有整个视频中这三个点的轨迹，我想使用这些轨迹作为SVM的训练数据。
我是机器学习技术的新手，经过一些阅读，我想我已经理解了SVM将返回一个布尔结果(如果同时满足某些条件，则返回true，如果不满足，则返回false )。在我的例子中，我需要图像中的一个位置作为结果。
我不确定我应该如何组织训练集，我想做一些像这样的事情：
T1 T2 T3 label=1
其中T1、T2和T3包含属于三个轨迹的所有点，我知道它们是正确的；
T1 T2 T4标签=-1
其中T1和T2与之前相同，而T
浏览 1提问于2013-08-18得票数 1
我正在使用支持向量机轻分类的图像是由OpenCV处理。图像被制作成黑白，模糊一点，opencv的HOG检测器被用来创建一个特征向量，向量来自标有1的正图像和标有-1的负图像。当我在7个正片和7个负片上运行SVMLight训练文件时，它对7个负片文件中的4个进行了错误分类。
然而，在较大的输入下，它的训练没有错误分类。有人知道为什么会这样吗？
浏览 3提问于2016-03-22得票数 0
我通常使用R e1071包提供的支持向量机实现。最近，我需要保存训练好的模型，以便稍后在不同的函数中使用它们，因此我尝试使用save命令。保存模型大约需要2-3分钟来生成400MB的文件！我很惊讶，因为我的工作区中的数据结构非常小(< 50KB)。我用少于1000个样本的两个输入训练回归支持向量机，所以我没想到会有大的保存文件。甚至用dput检查结构也不能帮助我找到问题所在。
浏览 0提问于2014-11-05得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
