Python SVM分类器-输入NaNs和数据形状问题
Python SVM分类器是一种基于支持向量机（Support Vector Machine，SVM）算法的分类器，用于解决二分类或多分类问题。SVM通过寻找一个超平面，将不同类别的样本点分隔开来，并且使得超平面到最近的样本点（支持向量）的距离最大化，从而达到最优分类效果。
NaNs是指“Not a Number”的缩写，用于表示缺失值或无效数值。在数据处理过程中，经常会遇到数据中存在缺失值的情况，而NaNs则是一种常见的缺失值表示方式。
数据形状问题是指在使用SVM分类器进行训练或预测时，如果输入的特征矩阵或目标值的形状与模型的要求不匹配，就会出现数据形状问题。
对于输入NaNs的问题，可以通过以下几种方式进行处理：
- 删除包含NaNs的数据行：可以直接删除包含NaNs的数据行，但要注意删除数据时要考虑数据的完整性和样本的分布情况，以免引入偏差。
- 填充NaNs：可以使用均值、中位数、众数等方法对NaNs进行填充，使得数据集保持完整性。具体选择填充方法需要根据数据的特点和业务需求进行判断。
- 使用插值方法：可以使用插值算法，如线性插值、多项式插值、样条插值等方法，对NaNs进行插值，以尽可能地还原数据的真实性。
对于数据形状问题，可以通过以下几种方式解决：
- 调整数据形状：可以使用reshape()函数或其他相应的方法，将数据的形状调整为符合模型输入要求的形状。具体的调整方式需要根据模型的输入要求进行调整。
- 特征工程：对于输入的特征矩阵，可以进行特征工程处理，如特征选择、特征缩放、特征转换等方法，以提高模型的性能和适应模型的输入要求。
- 数据预处理：可以使用数据预处理技术，如标准化、归一化、正则化等方法，对输入数据进行预处理，以保证数据的质量和模型的有效性。
Python SVM分类器在实际应用中具有以下优势：
- 高效性：SVM是一种高效的分类算法，尤其适用于处理具有大量特征和样本的数据集。
- 鲁棒性：SVM对于噪声和异常值具有较好的鲁棒性，能够处理复杂的分类问题。
- 可解释性：SVM分类器可以提供对分类结果的解释和支持向量的可视化，有助于理解和解释分类过程。
- 泛化能力：SVM在训练过程中可以通过控制超参数的选择，提高模型的泛化能力和稳定性。
- 可调节性：SVM分类器可以通过调整核函数、惩罚参数等超参数来适应不同类型的数据和问题。
在实际应用中，Python SVM分类器可以应用于以下场景：
- 文本分类：可以利用SVM进行文本分类任务，如情感分析、垃圾邮件识别等。
- 图像识别：可以利用SVM进行图像分类任务，如人脸识别、物体识别等。
- 生物信息学：可以利用SVM进行生物信息学分析，如基因表达数据的分类和预测。
- 金融风控：可以利用SVM进行信用评估、欺诈检测等金融风控任务。
- 医学诊断：可以利用SVM进行医学图像诊断、疾病预测等医学任务。
腾讯云提供了丰富的云计算相关产品，以下是一些推荐的腾讯云相关产品及其介绍链接地址：
- 云服务器（CVM）：提供弹性的云服务器实例，适用于各种计算场景。链接地址：https://cloud.tencent.com/product/cvm
- 云数据库MySQL：提供高性能、可扩展的云数据库服务，适用于各种数据存储需求。链接地址：https://cloud.tencent.com/product/cdb_mysql
- 人工智能引擎AI引擎：提供多种人工智能算法和模型，支持图像、语音、自然语言处理等应用场景。链接地址：https://cloud.tencent.com/product/aiengine
- 腾讯云物联网平台：提供丰富的物联网设备连接、数据采集和应用开发服务，支持构建各类物联网解决方案。链接地址：https://cloud.tencent.com/product/iotexplorer
- 云存储COS：提供高可靠、低成本的对象存储服务，适用于海量数据的存储和访问。链接地址：https://cloud.tencent.com/product/cos
希望以上答案能够满足您的需求，如有其他问题，请随时提问。
相关·内容
根据本文，"用于意图分类的系统包含以下内容的两个组件:字嵌入和分类器。“本文还对BERT+SVM和Word2Vec+SVM进行了评估。
我试图做的相反，比较两个不同的分类器(RNN和SVM)使用伯特的字嵌入。
我发现的大多数Python代码都使用BERT来解决整个意图分类问题，这使我感到困惑。示例
我只想用BERT将单词映射到向量中，并将结果输入到分类器(SVM/RNN)中。伯特同时支持文字嵌入和文本分类吗？有人有解释吗？我尝试用Python测试的内容可行吗？
我有一个有两列的dataframe :意图和问题。这是个小数据集。
谢谢!
浏览 0提问于2020-08-04得票数 4
1回答
半监督滑雪板学习
、、、
我有一个大型的多维无标签汽车数据集(价格，里程，马力，.)我想找出离群点。我决定使用sklearn来构建决策边界，并且我的方法有两个主要问题：
我的数据集包含了很多缺失的值。是否有一种方法使svm将缺失功能的数据分类为inlier，如果缺失功能的任何可能值都是inlier？
现在，我想添加一个手动调节异常值的反馈循环。人工调整数据可以提高支持向量机的分类。我读过半监督学习的LabelSpreading模型。当人工验证了足够数量的记录时，将OneClassSVM的分类输出输入到LabelSpreading模型并重新训练该模型是否可行？
浏览 3提问于2015-03-27得票数 1
更新
我正在进行机器学习文本分类，我用它来做svc线性内核，除了最后一行代码(打印(svm_model_linear.predict_proba(测试)，实际上我正在构建一个分类器，其中有自行车、足球和羽毛球三种类型，我有一些facebook上的人状态，被标记在这些类别上，我训练过分类器，也用train_test_split训练过分类器，在这之后，我有一些状态没有标记，我想分类，但是最后一行代码给了我错误。
from sklearn.feature_extraction.text import CountVectorizer
cv = CountVectorizer(max_features
浏览 2提问于2017-11-03得票数 5
回答已采纳
1回答
我有一个监督学习分类问题。我有4个数字类标签(0，1，2，3)，我有大约100次试验38个不同的特性作为输入。
将这些数据输入Python和Matlab中的SVC分类器(特别是分类法Learner App)，并匹配超参数(C = 1，type =二次支持向量机，多类_方法= onevsone，标准化数据，无PCA)之后，所给出的精度差别很大：
Matlab = 86.7 %
Python = 45.0 %
有没有人遇到过这种情况，或者有什么其他的想法，我可以做什么，以知道哪一个是正确的？
Matlab输入：
Python输入：
import numpy as np
f
浏览 0提问于2018-04-19得票数 1
1回答
支持向量机和聚类？混乱
、、、、
我正在读一篇关于语言分类的论文。这篇论文很容易理解，除了一个部分。它们使用聚类和svm分类。我已经读了很多次报纸，但我不能确切地理解他们什么时候为什么要做svm分类。
他们将特征空间聚集在一起，这是相当公平的。但是svm的目的是什么呢？系统的训练是由多类svm完成的吗？
这就是我所理解的；首先，他们使用svm来用标记的图像来训练系统，其次，他们提取特征，并为每个图像在类中聚集特征。
这可能听起来很幼稚，但我是新进入这一领域，并试图真正理解这一点！非常感谢，提前！
我说的那篇论文。
浏览 0提问于2013-12-08得票数 3
回答已采纳
假设我们有5个不同类别的样本，如A、B、C、D和E。在我的例子中，要使用"one vs rest分类“方法，就必须有5个1-VS-rest SVM分类器，如下所示：
SVM1: a和rest
SVM2: B对rest
SVM3: C对rest
SVM4: d与rest
SVM5: e对rest
用训练样本训练这5个分类器，每个分类器使用不同的核。新输入的样本被传递给每一个被分类的5个分类器。然后考虑一个实际属于"A“类的新样本被SVM1分类为"A”的备忘录(这是正确的)，同时又被SVM4分类为"D“的成员(这是不正确的)，问题是如何找出这两种支持向量机中哪一种预
浏览 2提问于2016-05-02得票数 0
回答已采纳
1回答
Sklearn问题分类
、、、、
因此，我发现使用sklearn的SVM算法对单词进行分类有很多种方法。但是，我想按分类法对问题进行分类，如以下数据集所示：
📷
这个任务的目标是预测给定pdf文件/字符串(问题)的分类法。问题如下：
如何修改下面的代码来训练一个基于问题的分类模型？
如何利用支持向量机训练问题分类模型？
对于此任务，我使用了以下Python库
import pandas as pd
import numpy as np
from nltk.tokenize import word_tokenize, sent_tokenize
from sklearn.feature_extraction.text impor
浏览 0提问于2020-07-11得票数 -1
1回答
我第一次在Python中使用sklearn尝试做一些分类问题，并且想知道仅仅在训练数据上计算我的分类器(像SVM)的错误的最好方法是什么。
我的计算精度和rmse的示例代码如下：
svc = svm.SVC(kernel='rbf', C=C, decision_function_shape='ovr').fit(X_train, y_train.ravel())
prediction = svc.predict(X_test)
svm_in_accuracy.append(svc.score(X_train,y_train))
浏览 1提问于2018-02-02得票数 0
回答已采纳
1回答
我正在对短文本片段(1-3个句子)进行分类。就主题而言，该数据集包含有关植物、动物和无关内容的文本。首先，我使用分类器(线性支持向量机)来标记每个片段的类别(svm_gen: 0-无关，1-植物，2-动物)。工作正常，没有问题。
现在每个类别都有子类别，我也想用自己的算法对每个子类别进行分类。例如，对于植物(svm_plant: 0-其他，1-母猪，2-生长，3-收获)和动物(svm_animal: 0-其他，1-饲料，2-宠物，3-播放)。我如何有选择地将各自的管道应用于预先分类的变量，而不拆分，然后再次追加数据集？
如前所述，我可以基于预分类拆分数据集，在新的熊猫数据帧上应用第二轮分类器，
浏览 2提问于2019-05-14得票数 0
在MNIST数据集中，有10个分类输出。现在，我喜欢使用支持向量机作为这个分类任务的分类器。我首先使用CNN结构(不包括顶层或分类器)从原始图像中提取特征，然后将其应用到SVM分类器中。
支持向量机是一种二进制分类器，因此我们可以使用1-VS-One或One-vs-Rest方法来进行这类工作。我使用以下实现代码从sci学习官方文档。但是我没有意识到我指定在哪里建立多类标签的模型，或者这是One或One Rest方法。
数据集形状如下所示：
train : (2045, 32, 32)
label : (2045, 10)
在使用非顶级CNN代码提取特征后，我们得到：
train : (7636
浏览 1提问于2019-01-15得票数 1
回答已采纳
1回答
支持向量机背后的基本思想
、、、
我正在通过阅读大量材料来学习支持向量机(SVM)。然而，对于输入的二维数据，多是利用线性、多项式、RBF /高斯等核映射来分类的。
我的第一个问题是，支持向量机能否处理高维(N)输入数据？
根据我的发现，答案是肯定的！
如果我的理解是正确的，那么n-D输入数据将是
构造在Hilbert超空间中，那么这些数据将是
使用一些方法(如PCA ?)进行简化。将其组合在一起/将其投影回2D平面，以便
核方法可以把它映射成一个适当的形状，这样的一条线或一条曲线可以把它分割成不同的组。
这意味着大多数指南/教程都集中在步骤(3)上。但是，我检查过的一些工具箱无法绘制输入数据是否大于2D。
浏览 0提问于2012-07-16得票数 2
1回答
我正在与Python一起使用LibSVM。在构造分类器之前，我要绘制出d和C的不同值交叉验证的平均误差，以便从平均精度的角度找出最佳的(d, C)组合。我编写了一个Python脚本来对特定的d, C值进行交叉验证，并且我的交叉验证的十次迭代中每一次的输出都出现在屏幕上。我现在有两个问题：
如何编写将d和C值的变量作为svm_parameter函数中的参数的Python脚本。svm_parameter('-d dval')给出了错误：
ValueError :带有基10:dval的int()的无效文本
如何记录输出数据--除非我从UNIX屏幕手动复制输出数据，否则无法找到
浏览 0提问于2013-04-18得票数 0
2回答
我在Python中做一个分类任务，将不同乐器的音频文件分类到它们各自的类中，在我的例子中，有4个类，分别是Brass、String、Percussion和which。采用SVM算法作为分类器。我的代码看起来有点像这样(我不为分类器更改任何参数)：
#X is feature matrix, y is class vector
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
#SVM Classifier
svm = SVC()
svm.fit(X_train,y_train)
svm_pred
浏览 4提问于2018-03-04得票数 0
1回答
我的任务是使用scikit-learn、python和mapreduce解决情感分类问题。我需要使用mapreduce来并行化项目，从而创建多个SVM分类器。然后我应该将分类器“平均”在一起，但我不确定这是如何工作的，甚至不确定它是否可能。分类的结果应该是一个分类器，经过训练的平均分类器。
我已经使用scikit-learn SVM线性内核编写了代码，它可以工作，但现在我需要将它放入map-reduce，并行化的上下文中，我甚至不知道如何开始。
有什么建议吗？
浏览 2提问于2015-10-31得票数 1
我正在尝试应用Scikit learn的SVM来对我收集的推文进行分类。因此，将有两个类别，命名为A和B。目前，我将所有的tweet分类在两个文本文件'A.txt‘和'B.txt’中。然而，我不确定Scikit Learn SVM要求的是什么类型的数据输入。我有一个以标签(A和B)作为关键字的字典，以及一个特征(单字)及其频率作为值的字典。对不起，我真的是机器学习的新手，不知道我应该怎么做才能让SVM工作。我发现支持向量机使用numpy.ndarray作为它的数据输入类型。我需要基于我自己的数据创建一个吗？应该是这样的吗？
Labels features frequ
浏览 7提问于2012-12-19得票数 11
1回答
我正在尝试使用scikit-learn构建一个优化的SVM分类模型，而且我在Python中还很新，在一般的ML中并不是这样。下面是我使用的代码：
# Training the SVM model on the Training set
from sklearn.svm import SVC
classifier = SVC()
# define evaluation
cv = RepeatedStratifiedKFold(n_splits=10, n_repeats=5, random_state=1)
# define search space
space = dict()
space[
浏览 2提问于2022-03-01得票数 0
回答已采纳
3回答
提取形状上下文描述符以训练SVM
、、、、
我正在做一个项目，该项目仅根据背景减去后获得的形状(二值图像)对图像进行分类。我想从这两个类中提取形状上下文描述符，并训练一个SVM分类器。如何提取形状上下文描述符？请告诉我是否有任何实现或实现指南来提取形状上下文描述符用于训练SVM。
浏览 0提问于2013-06-18得票数 3
我正在使用scikit learn进行一些数据分析，而我的数据集有一些缺失值(用NA表示)。我用genfromtxt和dtype='f8'加载数据，然后开始训练我的分类器。
RandomForestClassifier和GradientBoostingClassifier对象的分类很好，但从sklearn.svm使用SVC会导致以下错误：
probas = classifiers[i].fit(train[traincv], target[traincv]).predict_proba(train[testcv])
File "C:\Python27\lib
浏览 0提问于2012-07-12得票数 26
回答已采纳
我建立了一个SVM分类器，但得到了一个逆ROC曲线。AUC只有0.08。我使用相同的数据集构建了Logistic回归分类器和决策树分类器，它们的ROC曲线看起来很好。
以下是我的支持向量机代码：
from sklearn.svm import SVC
svm = SVC(max_iter = 12, probability = True)
svm.fit(train_x_sm, train_y_sm)
svm_test_y = svm.predict(X = test_x)
svm_roc = plot_roc_curve(svm, test_x, test_y)
plt.show()
有人能
浏览 0提问于2020-07-28得票数 2
2回答
单级分类
、、
我目前正在使用一个类别分类svm，我试图通过使用多个具有不同伽马参数的svm-occ来提高分类结果，并将这些决定与多数表决相结合。但是结果并不令人满意，因为只要仔细选择伽马参数，我就能得到更好的结果。所以，我只是想知道我是否还可以使用另一个单类分类器，例如SVDD，然后将它的十进制与svm结合起来。但问题是，我的项目是在python环境中开发的，而且我找不到用sklearn实现SVDD的方法。那么，是否有任何建议建议使用哪些分类器，如果存在相应的python实现，或者如何组合它们以获得更好的分类结果？(**我在svm-occ上保持nu参数不变)
浏览 0提问于2021-01-18得票数 2
我正在使用python (scikit- learning )进行机器学习，使用相同的数据，但使用不同的分类器。当我使用500 K的数据时，LR和SVM (线性核)几乎同时使用，支持向量机(带有多项式核)要花费很长时间。但是使用500万个数据，看起来LR比SVM (线性)快很多，我想知道这是否是人们通常所发现的？
浏览 2提问于2016-01-15得票数 4
回答已采纳
我使用随机森林和SVM分类器进行分类，我有18322个样本，它们在9个类别(3667,1060,1267,2103,2174,1495,884,1462,4210)中是不平衡的。我使用10倍的CV，我的训练数据有100个特征维度。在我的样本中，训练数据在这100个维度上差别不大，当我使用SVM时，准确率约为40%，而当我使用RF时，准确率可以达到92%。然后我让我的数据在这100个特征维度上的差异更小，然而，RF也可以给我92%的准确率，但SVM的准确率下降到25%。
我的分类器配置是：
SVM: LinearSVC(penalty="l1"，dual=False)
RF: R
浏览 1提问于2015-04-26得票数 0
我在Python中做一个分类任务，将不同乐器的音频文件分类到它们各自的类中，在我的例子中，有4个类，分别是Brass、String、Percussion和which。我使用了3种不同的算法，k-最近邻算法、朴素贝叶斯算法和支持向量机算法.我的代码看起来有点像这样：
#X is feature matrix, y is class vector
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
#k-NN Classifier
knn = KNeighborsClassifier(n_neighbo
浏览 0提问于2018-03-03得票数 0
1回答
我正在使用python和scikit-learn进行一些分类。
可以重用由分类器学习的参数吗？
例如：
from sklearn.svm import SVC
cl = SVC(...) # create svm classifier with some hyperparameters
cl.fit(X_train, y_train)
params = cl.get_params()
让我们将这个params存储在字符串字典中，甚至写入来提交json。假设，我们希望稍后使用这个经过训练的分类器对某些数据进行一些预测。试着恢复它：
params = ... # retrieve the
浏览 10提问于2018-01-14得票数 2
回答已采纳
我想使用Accord.net ann和svm对某些数据集进行分类，问题是，我的数据集输入数组并不都是相同的长度，每个数组可以从10到64不等，有办法处理这样的数据集吗?还是需要使它们都具有相同的大小？
浏览 2提问于2016-06-18得票数 1
回答已采纳
如果我提供给您足够的数据来将一堆对象分类为苹果、橙子或香蕉，您可能需要多长时间才能构建一个可以进行这种分类的SVM？我理解这可能取决于数据的性质，但我们更有可能谈论的是几小时、几天还是几周？
好的。既然您有了SVM，并且您已经了解了数据的行为，那么升级该SVM (或构建新的SVM)以对额外的类别(西红柿)进行分类可能需要多长时间？几秒钟？几分钟？几个小时？
这个问题的动机是试图评估支持向量机在不是所有数据都可以随时采样的情况下的实际适用性。水果就是一个明显的例子--它们会随着季节的变化而改变颜色和供应。
如果您希望支持向量机过于繁琐，无法在5分钟内按需创建，尽管您有问题领域的经验，那么对于这种
浏览 4提问于2013-03-05得票数 1
回答已采纳
1回答
我一直在尝试用HOG描述符训练线性支持向量机分类器。我在有一组数据集，目的是训练分类器来检测人类。在这样做的过程中，我首先尝试将单个正面图像和单个负面图像训练为标签1,2，如下代码所示：
import numpy as np
import cv2
from sklearn.svm import LinearSVC
x=np.zeros((3780,2))
x=np.array(x)
#positive image
pimg=cv2.imread('G:/Project/Database/db/pos/crop_000010.png',0)
pimg=cv2.resize(pi
浏览 1提问于2018-04-05得票数 0
回答已采纳
我想使用svm分类器进行面部表情检测。我知道opencv有一个svm，但我不知道应该输入什么来训练分类器。到目前为止，我已经读了很多论文，都是说人脸特征检测训练后的分类器。
到目前为止我所做的，
人脸检测，
在每帧中计算16个面部点。下面是面部特征检测的输出！(输入图像描述)
保存特征点像素地址的向量。
注意:我知道如何训练支持向量机，只有正面和负面的图像，我看到了这个代码，但我不知道我如何结合面部特征信息与它。
有人能帮我从svm开始分类吗？
训练分类器的样本输入应该是什么？
如何用这个面部特征点训练分类器？
致以敬意，
浏览 13提问于2014-09-26得票数 9
回答已采纳
次梯度svm和内核svm有什么区别？
根据我的理解，次梯度svm是一个线性分类器，它使用铰链损失，核svm使用一些核函数来进行非线性分类。我在想，如果次梯度只是一个线性分类器，我能用非线性svm树来分离非线性数据吗？本质上，我将进行二进制分类，将一个类与其余类分开，然后树的子节点将处理其余类，并将下一个类与其余类分离，等等。任何一般性的想法或反馈都是很棒的。
浏览 0提问于2017-01-13得票数 1
回答已采纳
1回答
我在Python2.7中使用OpenCV3.1.0。我已经从实现了OCR手写数据的代码。
responses = np.float32(np.repeat(np.arange(10),250)[:,np.newaxis])
svm.train(trainData,cv2.ml.ROW_SAMPLE, responses)
得到这些错误
错误: C:\builds\master_PackSlaveAddon-win64-vc12-static\opencv\modules\ml\src\svm.cpp:1618:错误：(-5)在分类问题的情况下，响应必须是分类的；在创建TrainData时指定
浏览 3提问于2016-08-29得票数 1
2回答
我正在做一个二进制分类，它只返回图像的“是”或“否”。因为我只得到了的一个类的图像，所以我想在“目标”和“离群点”之间进行分类。
例如，我正在给消防员分类。
我正在使用Scikit学习svm.OneClassSVM()。然而，在对模型进行训练之后，我每次都得到了"-1“，甚至用于预测训练数据。
这是我的代码：
X_train = []
for subdir, dirs, files in os.walk("training"):
for imagePath in files:
print ("path = ", imageP
浏览 0提问于2016-05-24得票数 5
2回答
学习多类svm函数
、、、、
我有多类标签，想要计算我的模型的准确性。
我有点搞不懂我需要用什么滑雪板功能。据我所知，下面的代码只用于二进制分类。
# dividing X, y into train and test data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25,random_state = 0)
# training a linear SVM classifier
from sklearn.svm import SVC
svm_model_linear = SVC(kernel = 'linear&
浏览 0提问于2018-04-16得票数 2
回答已采纳
1回答
我正在使用支持向量机分类器，它使用学习模型对数据进行分类。下面是我执行的命令：
./svm_classify input.txt modelrank > input.txt.entities
svm_classify -是开源分类器()
input.txt -要分类的输入文件。
modelrank -这是用于分类的svm模型。内存为124MB。使用大数据集进行训练。
input.txt.entities -输出文件
但由于modelrank文件很大，只有124mb。在新的分类请求期间每次加载都会使处理速度变慢。
有没有办法让它可以是In memory的，这样当有新的请求时，它会立即响应？
浏览 1提问于2014-09-25得票数 1
场景是这样的:我想结合使用不同的数据训练的三个scikit学习分类器(例如:3个SVM分类器)，但最终的模型(实际预测实例的模型)需要是一个集成/堆叠或一个简单地考虑三个辅助分类器的modelo。 假设分类器为SVM1、SVM2和SVM3，以及训练TS1、TS2和TS3的可用子集。SVM1将配备TS1；SVM2将配备TS2；SVM3将配备TS3。 最终的模型将预测新的实例，需要是SVM1，SVM2和SVM3的集合。我不想用相同的数据来拟合所有的3个辅助方法。我想将整个训练数据分成子集(TS1，TS2，TS3)，并用不同的子集对每个辅助分类器进行拟合。 有什么想法吗？
浏览 23提问于2021-06-27得票数 0
问题:我有一组数据需要分类--有用的(1)/Useless(0)。我将提供全套数据作为分类器的训练输入。并使用不同的数据集进行测试。
为此，我尝试将数据转换为LIBSVM格式。在做任何事情之前，我考虑提供一个向量的数值输入并检查结果。
输入：
训练:1 1 2(第一个1表示此向量中的有用类，然后是数字输入)测试:1 1 2(我不确定输入数据格式)
输出：
(0:0.9982708183417436)(1:0.0017291816582564153)(Actual:1.0预测:0.0)
我在训练集中没有类0，但它有类0的probEstimated。
我真的不确定如何将我的数据转换为数字向量输入，
浏览 1提问于2013-10-12得票数 0
2回答
支持向量机在手语手势识别中的应用
、、、、
我是一名学生，被指派在手语口译下做一个项目。我做了所有的分割和形态学操作。而且，是时候把手势分类了，我已经看过不同的日记了。我毫不怀疑哪些特征适合我的分类。我选择了C#作为编程语言，选择了SVM分类器进行分类。请给我列出一些可能的特征。如果可能的话，最好用完整的数学记录。
我发现的特征:形状描述符，如纵横比、圆度、扩展性 Hu -变体和矩特征。
我最近发现，图像的调整和规范化是在特征提取之前完成的。他们提出了这样的算法：
将大小调整为特定的决议，例如100*100
垂直与图像的第一主成分相结合。
最后，重建符合图像的边界框。
我很怀疑如果手指对齐。如果训练手指与
浏览 6提问于2012-07-27得票数 1
回答已采纳
1回答
我正在处理Tweeter数据的分类问题。用户标记的推文(相关的，不相关的)用于训练机器学习分类器，以预测未见的推文是否与用户相关。 我使用简单的预处理技术，如删除停用词，词干等和sklearn Tfidfvectorizer将单词转换为数字，然后将它们输入分类器，例如SVM，内核SVM，朴素贝叶斯。 我想确定哪些单词(特征)具有更高的预测能力。最好的方法是什么？ 我尝试过wordcloud，但它只显示了样本中出现频率最高的单词。 更新： 以下方法和sklearns feature_selection似乎为我的问题提供了到目前为止最好的答案： top features还有其他建议吗？
浏览 16提问于2019-06-20得票数 1
回答已采纳
1回答
从特征集中选择集成特征
、、、
我有一个关于集合特征选择的问题。
我的数据集由1,000个样本和大约30000个特征组成，它们被分类为标签A或标签B。我想做的是挑选一些可以有效地对标签进行分类的特征。
我使用了三种方法，单变量方法(皮尔逊系数)，套索回归和SVM-RFE(递归特征消除)，所以我从它们中得到了三个特征集。我使用python scikit-learn进行特性选择。
然后我在考虑集成特征选择方法，因为特征的大小太大了。在这种情况下，如何制作具有3个特征集的集成子集？
我能想到的是集合的并集，并再次使用套索回归或SVM-RFE，或者只是集合的交集。
有人能给出一个主意吗？
浏览 2提问于2015-12-11得票数 3
1回答
PyML:绘制决策图面
、、、
PyML具有绘制决策面的功能。
首先，您需要告诉PyML要使用哪些数据。这里我使用了一个稀疏向量数据和我的特征向量。这就是我用来训练我的SVM的那个。
demo2d.setData(training_vector)
然后你需要告诉它你想使用哪个分类器。我给它一个训练有素的SVM。
demo2d.decisionSurface(best_svm, fileName = "dec.pdf")
但是，我收到以下错误消息：
Traceback (most recent call last):
**deleted by The Unfun Cat**
demo2d.decisio
浏览 4提问于2013-02-26得票数 2
回答已采纳
我正在使用caffe来做固态硬盘模型的目标检测，最近的工作是调整"MultiBoxLoss“的损失类型。在multibox_loss_layer.cpp文件中，它的损失有SOFTMAX作为默认值和逻辑选项，我在caffe代码中添加了hingeloss(支持向量机)选项，并进行了训练，但结果很差。 现在老板想让我使用SVM对python sklearn的特征图进行分类。 我遇到一个问题，在multibox_loss_layer.cpp文件中，可以使用softmax、logistic和hingeloss来计算损失。在这一步，它的数据只是“一维”，但特征映射是高维的，我在网上的文章，它似乎
浏览 19提问于2019-01-21得票数 0
1回答
一类支持向量机
、、、、
所以我想确保我的判断是正确的。首先，我是计算机工程专业的本科生，比软件有更多的硬件/EE经验。今年夏天，我发现自己使用了一个使用单类SVM的聚类算法，SVM仅仅是一个用于分类/分离输入数据的数学模型吗？SVM在只有一个属性/变量的数据集上能很好地工作吗？我猜后者是否定的，可能是因为只有一个属性的分类实际上是刻板印象的。我的猜测是SVM在有多个属性/变量对分类有贡献的数据集上表现得更好。提前感谢！
浏览 1提问于2011-07-29得票数 3
回答已采纳
2回答
我有一个支持向量机分类器保存为"classifier.xml“。我从摄像头中获取输入图像，并对它们进行分类。因此，与其为每个输入图像加载分类器，我只想使用以下代码加载分类器一次(类似于静态)：
mySvm.load("classifier.xml");
问题：，目前我已经将cv::SVM mySvm;声明为全局变量，但我希望去掉全局变量。那么，如何使cv::SVM mySvm;成为Class Classifier的成员变量呢？
我的文件结构如下：
(1)分类器h
class Classifier
{
private:
public:
浏览 5提问于2014-03-10得票数 0
1回答
我指的是ROC链接，它解释了如何使用ROCR包绘制曲线和其他相关的精度测量指标。作者在一开始提到了logistic回归，但是这些函数(预测，来自ROCR的性能)是否适用于其他分类算法，如SVM，决策树等？
我尝试对我的SVM模型的结果使用预测()函数，但它抛出了一个格式错误，尽管参数的类型和维度都相同。此外，我不确定如果我们尝试为这些算法设计ROC曲线，我们是否会得到像我们通常在逻辑回归中看到的形状(如)。
浏览 0提问于2017-10-27得票数 1
1回答
svm分类
、、、、
我是MATLAB的初学者，在数字图像处理方面做了我的编程项目，即利用小波features+SVM+PCA+ANN进行磁共振图像分类。我用MATLAB工具实现了SVM分类实例，并对其进行了修改，以满足我的要求。在输入向量中存储多个特征和向支持向量机提供新的输入时，我面临着问题。请帮帮忙。
浏览 5提问于2011-02-22得票数 1
我目前正在使用kernlab包在R中，使用支持向量机根据一组经过训练的数据对输入的数据进行分类。为此，我使用一个字符串内核，它使用以下命令设置：
sk <- stringdot(length = 2, lambda = 1.1, type = "exponential", normalized = TRUE)
然后，我使用以下命令将校准的字符串内核sk输入支持向量机：
svm <- ksvm(xtrain,ytrain,type="C-svc",kernel=sk,C=10,scaled=c())
这将在R环境中生成一个正式的类别ksvm值，然后用于
浏览 1提问于2016-02-18得票数 0
回答已采纳
1回答
我在许多领域都看到，在传递到分类器或学习算法之前，人们会对数据进行缩放。我注意到这样做分类器会非常快。例如，在python中，X=preprocessing.scale(X)是在执行svm.SVC().fit(X,y)之前使用的。这对分类器有影响吗？
编辑：X=preprocessing.scale(X)应该
将数据集沿任意轴中心标准化，使其按均值和组件的比例调整到单位方差。
缩放到单位方差有什么影响吗？
浏览 2提问于2017-01-09得票数 1
我使用e1071 svm函数对我的数据进行分类。我尝试了两种不同的LOOCV方法。第一个是这样的
svm.model <- svm(mem ~ ., data, kernel = "sigmoid", cost = 7, gamma = 0.009, cross = subSize)
svm.pred = data$mem
svm.pred[which(svm.model$accuracies==0 & svm.pred=='good')]=NA
svm.pred[which(svm.model$accuracies==0 & svm.pr
浏览 3提问于2016-08-04得票数 2
我在python中使用svm。我为svm分类器提供了一个csv文件，目标属性为良性和恶性。如何使用classfifer对输出进行分类并给出‘恶性’或‘良性’的输出，而不是准确性或混淆矩阵。
浏览 0提问于2020-05-13得票数 0
我尝试用交叉验证方法和SVM分类器进行分类。在我的数据文件中，最后一列包含我的类(它们是0、1、2、3、4、5)，其余的(第一列除外)是我想用来预测这些类的数值数据。
from sklearn import svm
from sklearn import metrics
import numpy as np
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score
filename = "Features.csv"
datas
浏览 1提问于2020-08-16得票数 1
回答已采纳
我刚刚开始了一个文本分类的应用程序，我已经阅读了很多关于这个主题的论文，但到目前为止我还不知道如何开始，我感觉我还没有得到完整的图像。我已经得到了训练数据集，并阅读了它的描述，得到了一个很好的支持向量机算法(SVM.Net)的实现，但我不知道如何在这个实现中使用该数据集。我知道我应该从数据集的文本中提取特征，并将这些特征用作SVM的输入，所以谁能告诉我有关如何提取文本特征并将其用作SVM算法的输入的详细教程，然后使用此算法对新文本进行分类？如果有一个完整的关于使用SVM进行文本分类的例子，那就太好了。
任何帮助都将不胜感激。提前谢谢。
浏览 4提问于2011-05-23得票数 3
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
实时音视频
云直播活动推荐
腾讯云开发者
