无法使支持向量机按我的预期工作
支持向量机（Support Vector Machine，SVM）是一种常用的机器学习算法，用于分类和回归问题。它的目标是找到一个最优的超平面，将不同类别的样本分开，并且使得两个类别之间的间隔最大化。
SVM的分类过程是通过将样本映射到高维特征空间中，然后在该空间中寻找一个最优的超平面来进行分类。它的工作原理是基于支持向量的概念，支持向量是离超平面最近的样本点，它们决定了超平面的位置和方向。
SVM的优势在于：
- 可以处理高维数据，适用于特征维度较高的问题。
- 在处理小样本数据时表现较好，能够有效地避免过拟合问题。
- 在非线性问题上具有较好的表现，通过核函数可以将样本映射到高维空间中进行分类。
SVM的应用场景包括但不限于：
- 文本分类：可以用于垃圾邮件过滤、情感分析等。
- 图像识别：可以用于人脸识别、物体检测等。
- 生物信息学：可以用于蛋白质分类、基因表达分析等。
- 金融领域：可以用于信用评估、股票预测等。
腾讯云提供了多个与SVM相关的产品和服务，包括但不限于：
- 机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了强大的机器学习工具和算法库，包括支持向量机。
- 人工智能引擎（https://cloud.tencent.com/product/aiengine）：提供了一站式的人工智能开发平台，包括支持向量机等算法。
- 数据分析平台（https://cloud.tencent.com/product/databox）：提供了数据分析和挖掘的工具和服务，可以用于支持向量机的应用。
总结：支持向量机是一种常用的机器学习算法，适用于分类和回归问题。它的优势在于可以处理高维数据、避免过拟合问题，并在非线性问题上表现良好。腾讯云提供了多个与SVM相关的产品和服务，可以帮助开发者进行机器学习和数据分析的工作。
相关·内容
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
1回答
我尝试基于支持向量机(SVM)对图像进行分类。但没有得到任何合适的算法来实现。任何基于支持向量机的图像分类的帮助都是可以接受的。即支持向量机在图像分类中的工作原理？java实现中的SVM算法？
浏览 5提问于2013-10-28得票数 1
回答已采纳
我工作的股票数据与5个原始功能(OHLCV)。使用技术分析人员很少使用的转换，已经创造了20多个特性，给出了不同的指示。当试图预测未来几天的方向时，支持向量机显示的行为与其他分类器相反。(当考虑5个原始输入时，支持向量机提供了更好的结果，而其他方法(如预期的)在使用生成的特征时提供了更好的结果)
我完全明白市场数据是非常随机和嘈杂的。这是一个理论练习，以了解不同的ML方法的行为。
浏览 0提问于2018-08-17得票数 2
3回答
和都是实现支持向量机的软件库。有什么关系呢？这些差异是如何使liblinear比libsvm更快的呢？
浏览 0提问于2012-07-17得票数 28
回答已采纳
3回答
我正在使用支持向量机进行手写模式识别(Alphabet)的工作。我有26类，但无法在R中使用支持向量机进行分类。只有当图像是二进制类时，我才能对图像进行分类。如何将支持向量机应用于R中的多类支持向量机？
我正在使用"e1071“软件包。
提前谢谢。
浏览 1提问于2015-12-17得票数 6
回答已采纳
2回答
我在工作中使用了OpenCV Haar分类器，但是我一直在阅读关于OpenCV Haar分类器是否是支持向量机的相互矛盾的报告，有人能澄清它是否使用支持向量机吗？另外，如果没有使用支持向量机，那么Haar方法比SVM方法有哪些优势？
浏览 3提问于2014-04-28得票数 2
回答已采纳
1回答
在与分解机相关的这论文中，作者比较了因子分解机(FM)和支持向量机( SVM )。由于FM的性能优于SVM，因此它被认为是稀疏数据的最新发展趋势。为什么支持向量机被认为是稀疏数据集的重要算法？支持向量机的哪些特性使其优于稀疏数据？
浏览 0提问于2017-08-10得票数 5
回答已采纳
我想在我的函数中使用整洁的计算值，同时对输入的变量进行变异，但似乎无法使函数正常工作。
我读过和，他们似乎认为需要基于符号还是字符串作为参数传递的不同的解决方案。但是，对于这个问题，我更倾向于一个通用的解决方案，它适用于这两种输入。
有办法这样做吗？
函数
library(magrittr)
foo <- function(data, x) {
# I know this is one solution to solve my problem
# But I want to avoid it because it creates problem if the function
浏览 1提问于2020-11-23得票数 3
回答已采纳
1回答
谁能给我一个详细的例子，说明支持向量机是如何与所有必要的数学知识一起工作的？
当我试图在互联网上搜索时，发现关于支持向量机的例子很少。
谢谢。
浏览 1提问于2012-01-02得票数 2
我对SVMs和对象识别有些陌生，目前正在尝试使用Emgu CV 3.0来训练支持向量机，将其保存到一个文件中，然后加载它(用于HOGDescriptor.SetSVMDetector)。
但是，除其他问题外，我无法在保存支持向量机之后找到加载它的方法。
到目前为止，我的代码基本上完成了以下工作：
SVM myFirstSVM = new SVM();
// do some stuff, set some parameters...
myFirstSVM.Train(someParameters);
myFirstSVM.Save("filePath");
从这里看，问题在
浏览 4提问于2016-03-01得票数 0
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
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
1回答
我有训练图像和测试图像。我想用迭代的方式预测支持向量机模型。在创建模型之后，如果我预测结果，我只能看到最后的预测值，而不是n个模型的所有预测值。我想知道如何自动创建n个SVM模型的过程，并预测所有的值。
提前谢谢。
浏览 0提问于2015-11-19得票数 0
回答已采纳
1回答
我正在尝试分配几个支持向量机缓冲区，并使用以下方法将它们传递给OpenCL内核。内核运行在Intel HD Graphics 530和NVIDIA GTX 950米上。我在这些GPU上得到了不同的结果，我不确定哪种行为是正确的(也许两者都是？)
用3个OpenCL.Allocate ()调用初始化3缓冲区(data0、data1、pointers)。检查结果是否为NULL (这里没有失败)。映射了所有使用阻塞clEnqueueSVMMap()调用+检查CL_SUCCESS的缓冲区(这里没有失败)。<code>H 211</code><code>H 112&l
浏览 7提问于2022-06-29得票数 3
回答已采纳
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
启动超VVM时出错
、、、
我试图在一个新的Hyper-V安装上启动一个VM，并收到以下错误：
虚拟机无法启动，因为虚拟机管理程序没有运行。以下操作可能帮助您解决问题: 1)验证物理计算机的处理器是否支持硬件辅助虚拟化版本。2)验证物理计算机的BIOS中是否启用了硬件辅助虚拟化和硬件辅助数据执行保护。(如果编辑BIOS以启用任何一种设置，则必须关闭物理计算机的电源，然后将其打开。重置物理计算机是不够的。3)如果您对启动配置数据存储进行了更改，请检查这些更改以确保系统管理程序配置为自动启动。
我的机器支持硬件级的虚拟化，并在BIOS中启用它。
为什么我会收到这个错误？
浏览 0提问于2011-02-16得票数 0
回答已采纳
我正在测试支持向量机的超参数，但是，当我求助于Gridsearch或RandomizedSearchCV时，我无法获得分辨率，因为处理时间超过了几个小时。
我的数据集相对较小: 4303行和67个属性，有四个类(分类问题)。
以下是经过测试的参数：
params =[{'C': [0.1,1, 10, 100],
'kernel': ['poly','sigmoid','linear','rbf'],
'gamma': [1,0.1,0.01,0
浏览 0提问于2022-12-08得票数 1
回答已采纳
1回答
支持向量机的工作原理是将点映射到高维和高维，直到找到线性的边界。
支持向量机总是能成功地找到一个线性的决策边界吗？
浏览 2提问于2020-01-26得票数 0
回答已采纳
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
1回答
我是新的数据处理和统计，所以我有一些问题，我不知道在哪里张贴，我希望这是正确的地方。
我目前正在做一个机器学习项目。我有一些数据，我想使用支持向量机。首先，我认为我需要应用缩放将我的数据放入0;1间隔。我应用了这个公式：
n = (e - e_min)/(e_max - e_min)
然后，我对列的每个元素应用了平均归一化(列的元素--该列的平均值)。
在此基础上，利用支持向量机进行了预测，取得了较好的预测效果。但我想提高结果的准确性。那我能做什么呢？我想我能找到更好的缩放算法但我不知道.你知道缩放算法对我有帮助吗？或者有其他的想法来改进我的预测支持向量机？
谢谢。
浏览 3提问于2015-05-11得票数 0
回答已采纳
2回答
我只是准备了一些关于支持向量机的论文。众所周知，内核技巧使我们能够隐式地将数据从输入空间转换到某种(潜在的无限维)特征空间。
作为一个简短的参考，您可以使用Cristianini，Nello；Shawe-Taylor，John:支持向量机和其他基于内核的学习方法介绍。剑桥:剑桥大学出版社，2000年。
由于我们不知道相应的特征映射，所以当我们使用核时，我想知道是否有关于特征空间维数的估计。特别是，如果有任何结果，我会感兴趣，说明数据在结果特征空间中是线性可分的。也许有人知道一些(最近)关于这个话题的文章。我会很感兴趣的！
浏览 3提问于2014-02-28得票数 2
回答已采纳
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
在线性核支持向量机中使用归一化特征向量的正确方法是什么？
看一下LIBSVM，它看起来就像是通过将每个功能重新缩放到一个标准的上下限范围来完成的。但是，PyML似乎没有提供以这种方式扩展数据的方法。取而代之的是，有一些选项可以根据向量的长度对其进行归一化，按其平均值移动每个特征值，同时按标准差重新缩放，等等。
我正在处理的情况是，大多数特征都是二进制的，除了少数是数字的。
浏览 0提问于2011-05-07得票数 1
1回答
培训文件的数量对分类时间是否有影响？我知道done的所有计算都是在分类中进行的，而没有或最小的工作是在训练中完成的。支持向量机、朴素贝叶斯、决策树等也是如此吗？
浏览 3提问于2014-01-13得票数 1
回答已采纳
我创建了一个支持向量机，目的是将管理授权给该支持向量机(我第一次这样做)。我为它创建了一个聚合，创建了一个支持向量机，将这个聚合分配给了支持向量机，为支持向量机创建了一个单独的帐户，并为它分配了一个管理LIF。我可以通过SSH访问支持向量机，这似乎很好。但是支持向量机的web接口给出了一个404错误:找不到请求的URL /sysmgr在这台服务器上。
当我检查vServer的服务时，它没有像聚类管理支持向量机那样的"sysmgr“服务。但是集群中的数据SVM也没有这种服务。我无法找到将该服务添加到特定vServer中的方法。
当你只授权一个支持向量机(而不是整个集群)的管理时，它是否有
浏览 0提问于2021-09-23得票数 0
5回答
人工神经网络( ANN )和支持向量机( SVM )是两种常用的监督机器学习和分类策略。对于某个特定的项目，通常不清楚哪种方法更好，而且我确信答案总是“它取决于”。通常，两者和贝叶斯分类的结合使用。
关于ANN和SVM，这些关于堆栈溢出的问题已经被问到了：
在这个问题中，我特别想知道ANN (特别是多层感知器)的哪些方面可以使它比支持向量机更适合使用？我之所以问这个问题，是因为它很容易回答相反的问题:支持向量机通常优于ANN，因为它们避免了ANNs的两个主要弱点：
(1) ANNs往往收敛于局部极小，而不是全局极小值，这意味着它们本质上有时会“错过大局”(或失去树木的森林)。
(2)如果
浏览 2提问于2012-07-24得票数 393
回答已采纳
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
7回答
支持向量机与神经网络
、、、
支持向量机和神经网络有什么区别？线性支持向量机是否真的是相同的神经网络，对于非线性可分离问题，神经网络使用添加隐藏层，支持向量机使用变化的空间维度？
浏览 3提问于2012-01-23得票数 35
回答已采纳
1回答
这更像是一个概念性的问题。
我已经学习了神经网络，我对支持向量机是如何工作的有一些线索。然而，我在某些地方读到，如果给定适当的内核(对吗？)，支持向量机与神经网络是完全相同的。能不能请明白这一点的人告诉我，这是怎么可能的？
浏览 0提问于2013-12-28得票数 2
回答已采纳
1回答
我的工作是支持向量机和S3VM
为了理解支持向量机和S3VM，我想问几件事。
1)在支持向量机中，我们试图最大化支持向量的宽度。在S3VM中，我们是否也尝试最大化支持向量的宽度？基本概念是什么？
2)什么是S3VM中的hat loss，为什么我们在S3VM学习中使用hat loss？
浏览 5提问于2015-05-03得票数 1
在OpenCV中，有一个CvSVM类，它接受一个样本矩阵来训练支持向量机。矩阵是2D的，样本在行中。
我创建了自己的方法来从视频提要中生成定向梯度(HOG)的直方图。为此，我创建了一个9通道矩阵来存储HOG，其中每个通道对应一个方向框。最后我得到了一个CV_32FC(9)类型的40x30矩阵。
也为这只猪做了一个可视化，它正在工作。
我不知道如何将这个矩阵输入OpenCV支持向量机，因为如果我将其展平，我不知道支持向量机如何从1D输入数据中学习9D超平面。
浏览 2提问于2011-07-15得票数 3
回答已采纳
我读了很多关于支持向量机的文章，在我看到的所有书籍和在线文章中，支持向量机被归类为使用超平面的线性分类器。如果数据不能线性可分，则可以将数据映射到高维，以启用线性边界。
现在，我看到了华盛顿大学著名机器学习专家佩德罗·多明戈斯教授的一些文章和幻灯片。他特别将支持向量机归类为一种基于实例的机器学习算法，类似于kNN.有人能跟我解释一下吗？
例如，在 in Communications of the ACM (2012年10月)中，他特别将支持向量机置于“实例”-based表示之下，而大多数机器学习人员会将其置于“超平面”下，并进行logistic回归。
此外，在他的中，他给出了这样的推
浏览 4提问于2014-10-27得票数 4
1回答
我和我的同事正试图弄清逻辑回归和支持向量机之间的区别。显然，他们正在优化不同的目标函数。支持向量机是否就像说它是一个简单地优化铰链损失的判别分类器一样简单？还是比这更复杂？支持向量是如何发挥作用的？松弛变量呢？为什么你不能有深度支持向量机，就像你不能有一个带有乙状结肠激活函数的深神经网络？
浏览 5提问于2015-12-17得票数 6
回答已采纳
支持向量机(SVM)：经常提到的是\textbf{w}^T\textbf{x}_i - b >= 1，对于第1类的\textbf{x}_i (即y=1)和\textbf{w}^T\textbf{x}_i - b <= -1，对于第1类的\textbf{x}_i (即y=-1)，从维基百科页面读到它与数据集的规范化有关，所以，我想所有的\textbf{x}_i向量都是归一化的(除以)它们的范数，即，它们都有范数1和投影，也就是说，做标量积\textbf{w}^T\textbf{x}_i会给出小于1或1的值，如果\textbf{w}也是归一化的话(这可能不是一般的，所以这一切都不那么清
浏览 0提问于2021-07-13得票数 0
回答已采纳
4回答
我正在尝试使用一个类别的支持向量机与Python科学学习。但我不明白X_outliers、n_error_train、n_error_test、n_error_outliers等不同变量在这个中有什么不同。为什么X是随机选择的，而不是数据集的一部分？
学习“文档”对我没有多大帮助。另外，我在网上发现的例子很少
如果我不知道我的训练集中是否有异常，我是否可以使用一类支持向量机进行异常值检测？
一类支持向量机是一种无监督的孤立点检测()。
单类支持向量机不是孤立点检测方法，而是一种新颖的检测方法()。
这个是可能的吗？
浏览 4提问于2016-12-08得票数 2
1回答
我试着用科学知识训练一台支持向量机。它正确地给出了trainingdata1的输出。但是它总是没有给出trainingdata2的预期结果(trainingdata2是我真正需要的)。怎么啦？
from sklearn import svm
trainingdata1 = [[11.0, 2, 2, 1.235, 5.687457], [11.3, 2, 2,7.563, 10.107477]]
#trainingdata2 = [[1.70503083,7.531671404747827,1.4804916998015452,3.0767991352604387,6.5742], [11.
浏览 4提问于2014-05-18得票数 0
回答已采纳
在我的数据框架中，我试图按降序排序数据。我正在使用下面的代码行对我的数据进行排序，它按照预期工作。
CNS25VOL <- CNS25VOL[order(-CNS25VOL$MATVOL22), ]
但是，如果我按同一列的索引号引用该列，代码将引发一个错误
CNS25VOL <- CNS25VOL[order(-CNS25VOL[, 2]), ]
抛出错误为
Error in CNS25VOL[, 2] : incorrect number of dimensions
虽然我确实有一个解决方案来解决我打算做的事情，但我看到的问题是，如果我的专栏突然更改了名称，代码就无法工作。我知道
浏览 6提问于2022-09-07得票数 0
回答已采纳
1回答
支持向量机误差
、、
支持向量机分类误差、支持向量机裕度误差和支持向量机总误差有什么区别？他们有什么明确的定义吗？支持向量机中的C参数是什么？我完全糊涂了！
浏览 0提问于2019-02-18得票数 2
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
我很难理解为什么支持向量机能很好地处理高维数据，当p >> n时。
我读了如下:支持向量机是自动正规化的。您不必选择正则化参数，因为选择最宽的分离范围是一种自动正则化的方法。
然而，我不明白为什么这意味着支持向量机在这类数据上很好地工作。我还读到过，最大化裕度的优化问题不取决于维度，所以在什么方面取决于？
浏览 0提问于2021-10-28得票数 3
2回答
请解释为什么下列代码按预期工作(元素添加在第二位置)：
std::vector<int> v(5);
for(int i = 0; i < 5; i++)
v[i] = i;
std::vector<int>::iterator it = v.begin()+1;
it = v.insert(it, 33);
cout << v[0] << " " << v[1] << " " << v[2] << " " << v[3
浏览 5提问于2013-12-12得票数 0
回答已采纳
1回答
如果我运行Xcode的ARKit项目模板，我可以按预期在默认的ship上移动。
我尝试进口一些dae模型，我已经从Blender导出，切换到新的项目，但保持代码不变。他们总是在视野中显示，但在镜头前的位置。如果我试图在模型周围移动，它会贴在摄像机前面，而不会停留在同一个虚拟空间中。
我也尝试过从另一个教程中导入dae，它可以像预期的那样工作。
在将3d模型导出为Collada文件时是否需要设置以确保其定位到ARKit中的某个位置？
浏览 1提问于2017-07-30得票数 1
回答已采纳
这个问题是对我在另一个问题上看到的一个评论的回应。
该评论是关于Coursera上的机器学习课程教学大纲的，它的大意是"SVMs现在使用得不多“。
我自己才刚刚完成相关的讲座，我对SVMs的理解是，它是一种健壮而高效的分类学习算法，当使用内核时，它们有一个“小生境”，包括10到1000个特征，以及100到10000个训练样本。训练样本的限制是因为核心算法围绕着基于训练样本数的平方矩阵所产生的结果进行优化，而不是基于原始特征的数量。
那么，我看到的评论是否提到了自课程制定以来的一些真正的变化，如果是的话，这是什么变化:一个新的算法涵盖了支持向量机的“甜蜜点”，更好的CPU意味着SVM的计
浏览 0提问于2014-07-09得票数 71
回答已采纳
1回答
训练SVM意味着什么？
、、、、
我是新的图像processing.As我的项目我正在做的“图像分类器使用支持向量机”.I有我的最终软件的想法“我选择一些图像并给它作为我的软件的输入，它将对图像.if进行分类，我给出动物的图像，它将它适当地分类为猫或蛇。”
当我在谷歌上搜索it.it时说“首先你需要训练支持向量机”
培训支持向量机意味着什么？
在我的例子中，支持向量机的实际输入是什么？(图像分类)？
支持向量机只是一种分类器，它如何对images.Is进行分类，需要我将图像隐藏到任何特定的format?.please帮助中。
浏览 6提问于2016-02-07得票数 0
回答已采纳
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
