svm

    0热度

    1回答

    伙计们! 我是机器学习方法的新手,对此有疑问。我尝试使用Caret包中的R启动此方法并使用我的数据集。 我有一个关于我感兴趣的基因的突变信息的训练数据集(Dataset1),比如说基因A。 在dataSet1的,我有一个关于基因A在MUT或不-MUT形式的突变的信息。我使用数据集1与SVM模型来预测输出(我选择SVM,因为它比LVQ或GBM更准确)。 因此,在我的第一步中,我将数据集分成了训练组和

    0热度

    1回答

    我正在使用scikitlearn进行svm分类。 我需要一个分类器,当给定的测试项目与任何训练集项目不匹配时,即当距离非常高时,返回默认值。那可能吗? 对于实例 比方说,我的训练集是 X= [[0.5,0.5,2],[4, 4,16],[16, 16,64]] 和标签 y=[0,1,2] 然后我跑训练 clf = svm.SVC() clf.fit(X, y) 然后我跑预测 clf.

    3热度

    2回答

    在下面的例子: http://scikit-learn.org/stable/auto_examples/svm/plot_separating_hyperplane.html 我想获得图中所示的(线)决策边界的系数。 到 clf.coef_ 返回 [[-0.2539717 -0.83806387]] 一种呼叫,如果我没有弄错,代表方程的线 y = -0.83806387 * x - 0.

    2热度

    2回答

    我已经安装了使用nbandroid(http://kenai.com/projects/nbandroid)的Netbeans,它在过去几天一直工作得很好。我已经制作了一个运行在模拟器甚至是手机上的小应用程序。 我无法工作的事情是netbeans中的调试器控制台。 如果我将这些代码行添加到我的应用程序中,netbeans中的任何输出屏幕都不会显示任何内容。 System.out.println("

    0热度

    3回答

    我正在接受的答案here但它不适用于我。我得到NULL。 我产生JSON从阵列: NSError* error; NSData *result =[NSJSONSerialization dataWithJSONObject:self.fileNamesListForUpload options:0 error:&error]; NSString *displayJson =

    0热度

    1回答

    我正在练习使用特征面和支持向量机的人脸识别示例在官方scikit-learn网站上。 http://scikit-learn.org/stable/auto_examples/applications/plot_face_recognition.html#sphx-glr-auto-examples-applications-plot-face-recognition-py 但是当我运行此: fr

    0热度

    1回答

    我需要一个具有huber损失函数的python svm分类器。但其默认损失函数是铰链损失。你知道我怎样才能把损失函数分配给python svm? svc = svm.SVC(kernel='linear', C=1, gamma=1).fit(data, label)

    0热度

    1回答

    如果选择具有最高显示优先级的组,会出现问题。 查询是: SELECT xf_user_group_relation.user_id, xf_user_field_value.field_value as custom_flags, xf_user_external_auth.provider_key, xf_user_group_relation.user_group

    0热度

    1回答

    FileStorage fs; fs.open("SVM.xml" , FileStorage::READ); Mat SVM_TrainningData; Mat SVM_Classes; fs["TrainingData"] >>SVM_TrainningData; fs["classes"] >>SVM_Classes; Ptr<ml::SVM> svm = ml::SVM:

    1热度

    1回答

    我一直在尝试使用基于OpenCV库上的代码的SVM来训练手写数字。我训练的一部分是如下: import cv2 import numpy as np SZ=20 bin_n = 16 svm_params = dict(kernel_type = cv2.SVM_LINEAR, svm_type = cv2.SVM_C_SVC, C=2.67, gamm