-1
我进行一个小实验来找出支持向量机的实际工作,而不是只是凌乱的数学公式什么是SVM模型火车输出的LIBSVM
现在我搜索谷歌和发现了几个参数的含义,但我仍然不知道有几个人
的顶部输出是这样的下面
svm_type c_svc
kernel_type linear
nr_class 2
total_sv 417
rho -0.215616
label 1 2
nr_sv 222 195
SV
我知道他们的除了RHO意义。它用于什么任务?就像它是一个门槛,如果预测值比第二类还要小?或者原始公式中的静态参数是b?
而且我想学习尤其是这参数
对于第一类
1.015964637640586(?) 1:0.24665231 4:0.14476547 15:0.20357756 16:0.18792053 17:0.24857121 56:0.08635193 130:0.29008309 192:0.3327738 205:0.1299556 538:0.3327738 819:0.40555177 1166:0.24665231 1484:0.23615943 2382:0.4106203
1.855735328446067(?) 76:0.1757074 108:0.26389822 547:0.26088058 648:0.26916638 765:0.87119196
对于第二类
-0.1420833389096254(?) 1:0.06239991 29:0.021063915 47:0.028132803 316:0.057096583 999:0.069383082 1379:0.075283916 1530:0.081629601 1724:0.98528953 1917:0.060585087
-2.331507968370806(?) 4:0.18457891 33:0.15922398 150:0.17287198 291:0.21749933 324:0.38461278 349:0.25831757 397:0.26342762 398:0.37451304 483:0.36544162 680:0.30979207 1122:0.33032278 1328:0.31693334
什么是那些第一参数?他们正在使用什么任务?
我确实把?在第一个参数
其他参数属性的结束,它们的值
所以,当我们做预测,属性权重乘以SV的每一个和总结
那么为什么最后课堂决定是做什么的?
谢谢