加快支持向量机评分中的交叉验证
（Accelerating Cross Validation for Support Vector Machine Scoring）
支持向量机（Support Vector Machine，SVM）是一种常用的机器学习算法，用于分类和回归任务。在SVM模型中，交叉验证是一种常用的评估方法，用于估计模型的泛化性能。然而，对于大规模数据集或者复杂的特征空间，SVM模型的交叉验证过程可能会非常耗时。因此，加快支持向量机评分中的交叉验证对于提高模型训练效率非常重要。
以下是一些加速支持向量机评分中交叉验证的方法：
- 并行计算：使用并行计算技术（如多线程或分布式计算）可以充分利用多核处理器或多台计算机的计算能力，加速交叉验证的计算过程。腾讯云提供了强大的弹性计算服务，如云服务器（Elastic Cloud Server，ECS）和弹性伸缩（Auto Scaling），可以根据需求自动调整计算资源。
- 数据降维：对于高维度的特征空间，可以使用特征选择或特征提取技术来降低数据维度。这样可以减少计算量，并且可能提高模型的泛化能力。腾讯云提供了降维算法支持，如主成分分析（Principal Component Analysis，PCA）和线性判别分析（Linear Discriminant Analysis，LDA）。
- 分布式计算：对于大规模数据集，可以使用分布式计算框架（如Apache Hadoop或Apache Spark）来加速交叉验证的计算过程。腾讯云提供了云原生的分布式计算服务，如腾讯云容器服务（Tencent Kubernetes Engine，TKE）和腾讯云弹性MapReduce（EMR）。
- GPU加速：支持向量机的计算可以受益于GPU的并行计算能力。通过使用支持GPU加速的机器学习框架（如TensorFlow或PyTorch），可以在腾讯云提供的GPU云服务器上进行训练和评估，从而加快交叉验证的速度。
在腾讯云中，可以使用以下相关产品来加快支持向量机评分中的交叉验证：
- 云服务器（Elastic Cloud Server，ECS）：提供高性能的虚拟服务器，可用于并行计算或GPU加速。
- 腾讯云容器服务（Tencent Kubernetes Engine，TKE）：提供基于Kubernetes的容器管理服务，可以快速部署和管理分布式计算任务。
- 腾讯云弹性MapReduce（EMR）：提供基于Hadoop和Spark的大数据分析服务，可以在大规模数据集上进行并行计算。
- GPU云服务器：腾讯云提供了多款支持GPU加速的云服务器实例，如GPU加速型云服务器和深度学习型云服务器，可提供强大的并行计算能力。
更多关于腾讯云计算产品的详细介绍和使用方法，请参考腾讯云官方网站：https://cloud.tencent.com/
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
2回答
我正在研究利用支持向量机进行图像分类，一般定义为.
📷
N=培训实例数
W=是权重
f(x，W) =点积
λ被解释为通过交叉验证来设置，但是没有提到如何设置Δ。
我知道支持向量机损失函数希望正确类的分数至少通过Δ大于不正确的类的分数，但它们不能解释Δ是如何导出的。
在大多数示例中，定义为Δ= 1.0，而没有提到如何计算1.0。这个值是通过试错(交叉验证)确定的吗？一个人如何决定价值应该是什么？
浏览 0提问于2019-03-08得票数 3
回答已采纳
1回答
我希望利用python实现文本挖掘的支持向量机分类，并获得精确性，召回精度不同的度量information.For，对数据集进行预处理，并将数据集分割成两个文本文件，即-pos_file.txt(正标签)和neg_file.txt (负标签)。现在，我想使用随机抽样的SVM分类器训练数据，30%用于测试。我看到了一些关于scikit的文档--学习，但不太确定我将如何应用这一点？
pos_file.txt和neg_file.txt都可以被认为是单词的袋子。有用的链接-
示例文件：pos_file.txt
stackoverflowerror restor default pr
浏览 3提问于2013-10-21得票数 3
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
3回答
我有从一个小数据集中提取的特征，希望通过使用LDA来减少维度。还想做一个支持向量机的分类与k-折叠交叉验证。
我的问题是:什么是最佳实践:在简历之前做LDA，或者在简历中做LDA (即对每一列火车和每一次测试)？
浏览 0提问于2020-01-21得票数 3
1回答
我想通过将支持向量机分类器应用于大小为1089*43093的数据矩阵S来执行解码，并且标记为r的标签的预测精度是基于11折交叉验证分类procedure.The 11折交叉验证基于数据矩阵S来计算的，数据矩阵S被分成用于分类的训练和测试数据集。具体地说，这种交叉验证只用于计算预测精度r。有人能给我一些建议吗？非常感谢!
浏览 1提问于2014-08-09得票数 0
我有两个数据集，我想通过其中一个训练支持向量机分类模型(fitcsvm)，然后预测另一个的标签。我使用10倍交叉验证(crossval)来训练我的模型，所以我有10个不同的模型。我的问题是，这些模型中哪一个是最适合预测的，我如何才能找到它？这是我的代码：
Mdl = fitcsvm(trainingData,labels);
CVMdl = crossval(Mdl);
浏览 2提问于2020-10-23得票数 0
回答已采纳
社区。
我正在编写一些ML代码，以便将一些数据分类为组。
我尝试了不同的方法，但当我得到支持向量机时，我遇到了这个问题。
我有一个简单的数据集(3个类，6个特征)，当我使用具有固定参数的支持向量机(C=10，gamma=1)并对相同的数据进行预测时，我得到了100%的准确性(这些可能是过拟合的向量，但这是另一个问题)。
我发现很难理解的是，然后我尝试了GridSearchCV (sklearn.model_selection.GridSearchCV)，对C和γ，从10^-5到10^5的所有幂都进行了扫描(当然包括C=10和gamma=1)，结果是best_params：C= 10 ^-5和
浏览 1提问于2018-10-22得票数 0
2回答
我目前正在研究一个情感框架，我计划使用移动平台上的摄像头输入来识别用户当前的情绪表达，使用我成功地提取了66个地标，使用这66个标记，我应该能够将表达式归类为8个预定义的基本情绪中的一个，比如: happy=81%、angry=9% .等
在这方面，哪一个更有效？使用支持向量机( SVM )或神经网络( Networks )，要记住这必须在移动平台上完成，因此资源消耗和限制是一个值得关注的问题。
浏览 5提问于2014-04-12得票数 0
回答已采纳
3回答
对于图像分类，目前研究的是支持向量机(support，SVM)方法，该方法利用多SVM函数对四组图像进行分类，每次随机选取训练和测试数据时，算法的性能都会发生变化。有人建议进行交叉验证，我不明白为何要进行交叉验证，其主要目的是甚麽？我的实际数据集包括训练矩阵大小28×40000和测试矩阵大小17×40000。如何通过这个数据集进行交叉验证，对我有帮助。提前谢谢。
浏览 3提问于2013-12-12得票数 2
回答已采纳
我正在使用支持向量机执行一些机器学习任务。我怀疑数据是非线性的，所以我也包括了RBF核。研究发现，RBF核支持向量机比线性支持向量机性能差得多。我想知道我的分类器参数规范是否做错了什么。
我的代码如下：
from sklearn.svm import LinearSVC
from sklearn.svm import SVC
svm1 = LinearSVC() # performs the best, similar to logistic regression results which is expected
svm2 = LinearSVC(class_weight="aut
浏览 8提问于2016-01-08得票数 3
回答已采纳
设Y是一个二进制变量。
如果我们使用logistic回归进行建模，那么我们可以使用cv.glm进行交叉验证，并且可以在cost参数中指定成本函数。通过指定成本函数，我们可以为不同类型的错误分配不同的单位成本：“预测是”、“引用”是“否”或“预测”“没有”引用是“是”。
我想知道我能否在支持向量机中实现同样的目标。换句话说，我是否有办法指定一个成本(损失)函数，而不是使用内置的损失函数？
浏览 3提问于2015-12-19得票数 0
回答已采纳
我使用支持向量机进行文本分类(基于tf-以色列国防军评分的分类)。是否有可能绘制出具有100多个属性和10个标签的SVM。有没有办法减少这些特征，然后绘制相同的多类支持向量机。
浏览 1提问于2018-05-11得票数 1
回答已采纳
我正在使用KNN分类器对性别进行分类。我想添加一个SVM分类器，而不是具有相同标签0和1的KNN分类器(0用于女性，1用于男性)
我有一个测试示例矩阵sample、一个训练示例矩阵training和一个带有训练示例group标签的向量。我需要class，这是测试用例的标签向量。
class = knnclassify(sample, training, group);
if class==1
x='Male';
else
x='Female';
end
如何更改此代码以使用支持向量机查找class？
浏览 4提问于2017-02-25得票数 0
我正在尝试训练一个交叉验证的支持向量机模型(用于一个学校项目)。当我打电话给X和y时
clf = svm.SVC(gamma='scale')
scores = cross_val_score(clf, X, y, cv=4)
scores按预期设置为数组，但我希望能够调用clf.predict(test_x)，但当我这样做时，会抛出消息This SVC instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.的异常(我希望它返回类似于[
浏览 0提问于2019-09-06得票数 3
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
1回答
我的目标是将冲动的音频信号归类为枪声或非枪声。我试图在MATLAB中使用svmtrain和and分类函数来检测枪击事件。为了评价分类的准确性，将气球爆裂信号和拍击信号作为不同的分类来进行分类。虽然枪弹与两种类型中的任何一种区分精度较高，但对枪弹和联合baloon+clap信号的分辨能力较差。
请指导我如何使用支持向量机对枪声信号和非枪声信号进行分类？
如果支持向量机不是一个很好的分类器，我还能做什么来达到这个目标呢？
解决方案-1:在svmclassify().中实现RBF核后的分类
解决方案-2:使用预测()进行分类评分
浏览 2提问于2015-07-24得票数 1
回答已采纳
1回答
我想使用支持向量机(SVM)进行预测。我用matlab函数fitrsvm和predict编写了如下代码，
tb = table(x,y)
Mdl = fitrsvm(tb,'y','KernelFunction','gaussian')
YFit = predict(Mdl,tb);
浏览 5提问于2017-06-18得票数 4
回答已采纳
大家好，大家都是机器学习专家，我在机器学习方面很幼稚。我的数据有6个特性(6个常规属性)和2个标签(1个特殊属性)(真和假)(希望我使用了正确的术语)。我想把那些必须经过SVM训练的特征结合起来。数据显示：-
ZDis ZAnch ZSurf Zval ZDom ZEntropy Top5
0.48659 -0.20412 1.19243 0.15374 0.59667 1.34151 False
-0.10067 4.89898 -0.73677 0.22506 0.59667 1.34151 True
2.
浏览 7提问于2013-10-01得票数 0
采用基于对向方法的秩支持向量机[， ]，即模型通过对同一查询中不同等级的样本进行比较来学习。那么，在准备列车数据集的时候，哪一种方法更好呢？-- 200个查询，每个查询有10个等级文档，或者100个查询，每个文档有20个等级文档？在这两种方法中，评分的次数是相同的。
浏览 3提问于2015-08-07得票数 0
回答已采纳
1回答
我的朋友当时正在读一本教科书，于是问了一个问题：
假设你观察(X_1,Y_1),...,(X_{100}Y_{100})，你假设它是i.i.d。采用(X,Y)中值的随机对\mathbb{R}^2 \times \{1,2\}的副本。绘制数据并查看以下内容：
📷
其中，黑圈代表X_i和Y_i=1，红色三角形代表X_i和Y_i=2。从业者告诉您，他们的错误分类成本是相等的，c_1 = c_2 = 1，并希望建议使用哪种算法进行预测。鉴于这些备选办法：
线性判别分析；
K近邻与K=5
K-与K=90最近的邻居。
对此最好的算法是什么？我认为应该是5，因为K越大，准确度就越差？你会选择什么?为什么？
浏览 0提问于2021-01-21得票数 0
回答已采纳
我试图在Weka下使用LibSVM的包装器来获得单类分类器的最佳参数。
因此，我要去weka.classifiers.meta.GridSearch，然后选择LibSVM one类。
我使用的所有数据都被标记为同一个类。我想要找到的参数是nu和gamma
gridSearch选项是：
weka.classifiers.meta.GridSearch -E CC -y-property classifier.kernel.gamma -y-min -5.0 -y-max 2.0 -y步骤1.0 -y-基10.0 -y-表达式pow( I) -filter weka.filters.AllFilt
浏览 4提问于2013-05-15得票数 1
回答已采纳
1回答
只是好奇在scikits学习支持向量机类的两个选项。Scale_C和收缩是做什么的？文档中没有太多内容。Scale C似乎能够针对训练数据适当地缩放C参数。
谢谢
浏览 0提问于2012-03-10得票数 2
3回答
使用sklearn找出错误率
、、、、
我想在python中使用svm分类器找出错误率，我采用的方法是：
1-svm.predict(test_samples).mean()
但是，这种方法不起作用。另外，sklearn的评分函数给出了平均accuracy...however，我不能使用它，因为我想完成交叉验证，然后找出错误率。请推荐sklearn中合适的函数来了解错误率。
浏览 2提问于2012-04-25得票数 2
回答已采纳
我正在遵循中的示例，其中使用单类支持向量机进行异常检测。现在，这可能是scikit learn独有的符号，但是我找不到如何使用OneClassSVM构造函数的参数nu的解释。
在中，参数nu是参数C的重新参数化(这是我熟悉的正则化参数)-但没有说明如何执行该重新参数化。
无论是公式还是直觉都会很受欢迎。
谢谢!
浏览 3提问于2012-06-28得票数 29
回答已采纳
在Python中，为了只使用最相关的特性，我应用了SelectPercentile (来自sklearn)，并训练了一个支持向量机分类器。我想提一下，我只有一个语料库，所以我必须在这个语料库上执行cross_validation。
在使用SelectPercentile选择特性之后，当我使用cross_validation时，我得到的分数太高，我认为我做错了什么，但我不知道是什么。我认为X_all矩阵有重复的行或重复的列，但它没有。
我不明白为什么我会得到这样的结果。有人能让我明白引擎盖下面发生了什么，我做错了什么吗？
implementation
只从数据集中提取单词。
使用Pandas创建
浏览 4提问于2016-06-17得票数 1
回答已采纳
1回答
我有一个维度约为2000的特征向量。所有这些都是直方图特征。
我不知道在我的例子中哪一个是有效的:使用RBF核的SVM还是卡方核?？
你能给我推荐一下我的案例中有效的内核吗？
浏览 7提问于2012-10-08得票数 2
回答已采纳
2回答
用于多标签分类的随机森林
、、、、
我正在申请多标签文本分类。我尝试过不同的机器学习算法。
毫无疑问，具有线性核的支持向量机得到了最好的结果。
我也尝试过随机森林算法，我得到的结果非常糟糕，召回率和准确率都很低。
事实上，线性核响应更好的结果给了我一个想法，不同的类别是线性可分离的。
有没有什么原因导致随机森林的结果如此之低？
浏览 3提问于2015-07-05得票数 0
2回答
我有一个函数，它返回一个带有Observation多个评分器的对象，如何将它集成到一个自定义的记分器中？我把它定义为：
class Observation():
def __init__(self):
self.statValues = {}
self.modelName = ""
def setModelName(self, nameOfModel):
self.modelName = nameOfModel
def addStatMetric(self, metricName,metricValue
浏览 2提问于2016-10-23得票数 2
回答已采纳
1回答
假设我们在MATLAB R2015b中有以下代码：
SVMModel = fitcsvm(INPUT, output,'KernelFunction','RBF','BoxConstraint',1);
CVSVMModel = crossval(SVMModel);
z = kfoldLoss(CVSVMModel)
在第一行中，采用fitcsvm模型进行孔数据训练。将Crossval设置为on in fitcsvm的目的是什么(默认情况下，这个选项有10倍的交叉验证)？crossval和kfoldLoss使用与上面相同的方法？如果是的话，
浏览 11提问于2016-02-13得票数 5
回答已采纳
1回答
多类分类中的类不平衡问题
、、、
我需要一个多类分类器代码，它可以在以下类不平衡问题中工作：
类别1-> 80%
类别2- 7.5%以上
第3类-> 6%
类别4-> 4%
第5类-> 2.5%
总共只有130个实例，每个实例大约有5000个特性。
我发现了一个多类支持向量机代码，但我认为它没有考虑到类的不平衡问题。此外，我还需要做某种k-折叠交叉验证。
python或matlab代码将非常有用。
浏览 4提问于2013-06-11得票数 0
回答已采纳
1回答
我是新手，我正在尝试学习如何使用支持向量机与HOG描述符。我用SVM写了一个简单的人脸识别器，但当我激活它时，代码总是返回1
float *getHOG(const cv::Mat &image, int* count)//Compute HOG
{
cv::HOGDescriptor hog;
std::vector<float> res;
cv::Mat img2;
cv::resize(image, img2, cv::Size(64, 128));
hog.compute(img2, res, cv::Size(8, 8),
浏览 0提问于2013-05-20得票数 0
回答已采纳
在尝试模型之前，我试图了解哪个模型可能适用于给定的问题，我发现这个案例与我所知道的不同。请指点我缺少的东西。我是数据科学的新手。
这是我通过PCA得到的图表：
📷
现在你可以看到边界非常重叠。支持向量机理论认为，这种模型可能对重叠的非线性数据最有效，而这种情况似乎并非如此。
但它仍然能够识别测试集中的所有数据。那么，你能提供一些明确为什么支持向量机在这方面表现良好。
因此，我的最终结果如下：
Logistic回归与支持向量机相同(准确性评分: 1.0)
随机森林(准确性得分: 0.9680851063829787)
KNN (准确度评分: 0.925531914893617)
其他详情：
特征
浏览 0提问于2020-06-01得票数 2
回答已采纳
3回答
超参数整定与分类算法的比较
、、、、
对于分类算法的比较，我有一个疑问。
我正在做一个关于数据集的超参数调优和分类模型比较的项目。我们的目标是为我的数据集找出最适合我的超参数的模型。
例如:我有两个分类模型(支持向量机和随机森林)，我的数据集有1000行和10列(9列是特性)，最后一列是可分层的。
首先，我将dataset分为2部分(80-10行)，用于相应的训练(800行)和测试(200行)。在此基础上，利用CV = 10的网格搜索对这2种模型(支持向量机和随机森林模型)上的训练集进行参数整定。当对每个模型识别超参数时，我使用这两个模型的这些超参数在训练和测试集上测试Accuracy_score，以确定哪一个模型对我的数据是最好
浏览 0提问于2020-12-31得票数 0
回答已采纳
1回答
我正在使用OpenCV支持向量机实现来二次预测图像特征的重要性。因此，我正在训练它的正面和负面图像特征，并寻找一个{0,1}的分类。
我遇到的问题是，在进行培训之后，支持向量机总是使用更高/更大的类标签来预测类。我可以更改培训数据集的标签，这个问题仍然存在。我仔细检查了生成的标签和培训cv::Mat矩阵，没有发现任何问题。
下面是我的支持向量机类和伴随的支持向量机参数
//Populate the SVM parameters
void SVM::setSVMParams()
{
params.svm_type = cv::SVM::C_SVC;
params.kernel_t
浏览 2提问于2015-11-17得票数 2
回答已采纳
1回答
无法理解支持向量机返回的混淆矩阵
、、、、
我试图理解为什么支持向量机分类器不能正确地分类我的数据。我只提供了10个样本XX仅在2000年的样本我的原始数据。我无法理解Matlab返回的混淆矩阵。我用了SVM分类器。我的代码错了吗，尤其是我进行交叉验证的方式？
XX被标准化为X，Y是标签。每个特征向量的长度为8。
**问题**)有谁能帮忙解决这个问题吗？
pred 0 pred 1
actual 0 100 0
actual 1 100 0
谢谢
浏览 0提问于2018-06-11得票数 0
回答已采纳
1回答
我在一个预测模型上运行了一个GridSearchCV，评分设置为精确。X和Y是测试分片。
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-3, 1e-4],
'C': [10, 100,
浏览 0提问于2019-05-26得票数 1
3回答
我用scikit-learn来进行分类。我在执行二进制分类任务。
0：不属于A类
1：属于A类
现在，我想优化参数，使我的召回率很高。我不太关心一些假阳性，但属于A类的对象不应该经常被标记为不属于A。
我使用带线性核的支持向量机。
from sklearn import svm
clf = svm.SVC(kernel='linear')
clf.fit(X,Y)
clf.predict(...)
如何选择其他支持向量机参数，如C？另外，线性核的SVC和LinearSVC有什么区别？
浏览 4提问于2016-06-01得票数 3
1回答
所以我把自己搞糊涂了。
目前，我已经获得了大约800个实例的数据集。我将其拆分为训练集和验证集，因为缺少值，所以我使用sklearn中的SimpleImputer，并对训练集进行fit_transform-ed，然后对测试集进行转换。我这样做是因为如果我想预测新的实例，如果有缺失值，那么我需要用我估算测试集的方法来估算它。
现在我想使用交叉验证来训练和评分模型，但这将涉及到使用整个数据集并将其划分为不同的训练集和测试集，因此我担心由于拟合输入值而导致训练集中的泄漏？
浏览 30提问于2018-12-18得票数 3
支持向量机中的成本参数C是什么意思？我的意思是，如果C很大，这是否意味着“我不能容忍错误的分类”？
在实验中找到最佳参数时，如何确定范围和步长？
顺便问一下，决定哪个参数更好的标准是什么？交叉验证的错误数量或我们从SVM获得的支持向量的数量？
浏览 4提问于2012-10-10得票数 1
回答已采纳
我希望使用从图像中生成特征，我将进一步使用这些特性来训练我的支持向量机来解决情感识别问题。请提供一个详细的过程，说明如何在python中编写一个脚本，它可以使用生成我可以直接输入支持向量机的特性。
浏览 7提问于2016-11-09得票数 1
回答已采纳
我试图了解sklearn交叉验证和评分是如何工作的，并观察到一些奇怪的行为。
我实例化了一个分类器，然后对它进行了4次交叉验证，在90%的准确率+- 0.5%的范围内得到了4分。
然后在所有的训练数据上重新定义模型，并在测试数据上进行评分。我也在这里的训练数据代码中打分，只是为了证明一点。
在将数据拆分为测试集和训练集之后，我运行此代码。
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import make_scorer, balanced_accuracy_score
gbc = G
浏览 1提问于2019-04-24得票数 5
我将每个文档的向量表示为一个字段。是否可以对所有这些字段运行我的自定义评分函数？
评分函数接受搜索查询和文档的向量，并返回一个数字。
浏览 7提问于2019-11-07得票数 1
为了寻找一种解决tweet分类问题的算法，我与SVM进行了交叉。从LibSVM开始，我使用它的java库(而不是命令行)实现了一个系统，使用线性函数得到了大约50%-60%的结果。现在我希望执行模型选择，缩放，交叉验证和特征选择，希望提高我的准确性。问题是，我无法通过LibSVM在Java中找到这些特性。那我有什么选择。考虑到我是一个java程序员？如果选择是自己写，怎么写，用什么方法写？我应该和其他机器学习库一起去做这项工作吗？
浏览 5提问于2015-03-13得票数 0
回答已采纳
- svm_type epsilon_svr
- kernel_type rbf
- gamma 0.0
- nr_class 2
- total_sv 6
- rho -7.92
- probA 5.32875
- SV
这是我的模型文件，我调整参数C，但是在模型文件中没有提到，那么我的调整参数C在哪里？
浏览 0提问于2018-01-26得票数 1
1回答
我正在做一个项目，我使用Spark线性支持向量机对一些数据进行分类(l2正则化)。我有200次正面观察，150次负面观察，每一次都有744个特征，这代表了一个人在一所房子的不同区域的活动水平。
我已经运行了一些测试，"areaUnderROC“度量为0.991，而且该模型似乎很好地分类了我提供给它的数据。我做了一些研究，我发现线性支持向量机在高维数据中是很好的，但问题是，我不明白线性的东西怎么能很好地划分我的数据。
我认为在2D中，也许这就是问题所在，但从底部的图像来看，我90%肯定我的数据看起来更像是一个非线性问题。
所以我在考试中有好成绩是正常的吗？我做错了什么吗？我该改变一
浏览 7提问于2017-06-17得票数 0
回答已采纳
我正在学习sklearn docs 中给出的ROC图形示例(您可以从下载一个木星笔记本)。它为Iris数据集上的多类问题生成一个ROC图.
在最初的示例中，预测是使用支持向量机分类器的decision_function方法生成的，该方法生成以下图形：
当我将其更改为使用predict_proba生成预测时，ROC图会发生戏剧性的变化(主要在第1类中)：
我不明白为何会出现这种情况。预测概率是由决策函数决定的，那么为什么1类会有如此巨大的变化呢？
编辑：更改为：classifier.fit(X_train, y_train).decision_function(X_test)变为
浏览 2提问于2020-03-28得票数 2
我试着根据它在历史体育上的表现来评价一个模型。
我有一个由下列列组成的数据集：
feature1 | ... | featureX | oddsPlayerA | oddsPlayerB | winner
该模型将进行回归，其中输出的概率是playerA赢得比赛的几率。
我的理解是，我可以使用自定义评分函数来返回模型在每次条件为真时押注的“金钱”，并使用该值来衡量模型的适用性。某种条件，类似于：
if prediction_player_A_win_odds < oddsPlayerA
money += bet_playerA(oddsPlayerA, winner)
if in
浏览 2提问于2014-11-03得票数 8
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
