文章/答案/技术大牛

发布

社区首页 >问答首页 >Keras神经网络和SKlearn SVM.SVC

问Keras神经网络和SKlearn SVM.SVC
EN

Stack Overflow用户

提问于 2016-11-03 20:03:56

回答 1查看 8.1K关注 0票数 7

最近，我在我所在的城市参加了一个数据科学会议，讨论了如何将神经网络与支持向量机连接起来。不幸的是，演示者不得不在演示结束后立即辞职，所以我不能问一些问题。

我想知道这怎么可能？他谈到了使用神经网络进行分类，后来，他使用SVM分类器将其准确率和精确度提高了约10%。

我在神经网络中使用Keras，在ML的其余部分中使用SKlearn。

发布于 2016-11-08 13:01:53

这是完全可能的，而且实际上很常见。您只需选择神经网络某一层的输出，并将其用作特征向量来训练SVM。通常，人们也会对特征向量进行归一化。

(卷积)神经网络学习的特征足够强大，它们可以推广到不同类型的对象，甚至是完全不同的图像。有关示例，请参阅论文CNN Features off-the-shelf: an Astounding Baseline for Recognition。

关于实现，你只需要训练一个神经网络，然后选择其中一个层(通常是在完全连接的层或第一个完全连接的层之前的层)，在数据集上运行神经网络，存储所有特征向量，然后使用不同的库(例如sklearn)训练SVM。

票数 6

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/40401008

复制

相似问题

问Keras神经网络和SKlearn SVM.SVCEN