1071svm函数 r语言,科学网—R中的svm - 吴锐的博文
svm理解:
LSSVM:
最小二乘支持向量机(Least squares support vector Maehine,LSSVM)是SVM的一种变体,把问题转化成对一个
线性方程求解,所需计算资源少,具有较高的准确率。
~~~~~~~~~~~~~~~~~~~~~~~~~cut:引用别人的话~~~~~~~~~~~~~~~~~~~~~~~~~~~~~libsvm 工具箱和 lssvm工具箱的区别:
答:libsvm工具箱是用 SMO算法来求解 svm模型中的那个最优化问题的解。lssvm工具箱是用最小二乘算法来求解 svm模型中的那个最优化问题的解。这就是libsvm 工具箱和 lssvm工具箱的区别
PS:附: MATLAB自带的svm实现函数与libsvm差别小议:1 MATLAB自带的svm实现函数仅有的模型是C-SVC(C-support vector classification);而libsvm工具箱有C-SVC(C-support vector classification),nu-SVC(nu-support vector classification),one-class SVM(distribution estimation),epsilon-SVR(epsilon-support vector regression),nu-SVR(nu-support vector regression)等多种模型可供使用。2 MATLAB自带的svm实现函数仅支持分类问题,不支持回归问题;而libsvm不仅支持分类问题,亦支持回归问题。3 MATLAB自带的svm实现函数仅支持二分类问题,多分类问题需按照多分类的相应算法编程实现;而libsvm采用1v1算法支持多分类。4 MATLAB自带的svm实现函数采用RBF核函数时无法调节核函数的参数gamma,貌似仅能用默认的;而libsvm可以进行该参数的调节。5 libsvm中的二次规划问题的解决算法是SMO;而MATLAB自带的svm实现函数中二次规划问题的解法有三种可以选择:经典二次方法;SMO;最小二乘。(这个是我目前发现的MATLAB自带的svm实现函数唯一的优点~)在以上的一些对比下,我个人建议目前svm的实现还是使用libsvm(这个应该是目前最好用的svm工具箱),当然MATLAB自带的svm实现函数对于简单问题也可使用,MATLAB自带的svm实现函数可能会在更加新的版本里面进行完善,我也曾尝试用MATLAB自带的svm实现函数来进行重新封装实现libsvm中的所有功能但工作量有些大~
~~~~~~~~~~~~~~~~~~~~~~~cut:引用别人的话~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
to do list:
ARIMA一SVM
关于在matlab中适用libsvm:
在R中使用的博文:
R 中svm的参数
decision.values = TRUE,probability = T
可以看到,两两组合有k(k-1)个分类器,第一行投票setosa、setosa、versicolor,所以概率上是setosa很高setosa/versicolor setosa/virginica versicolor/virginicasetosa versicolor virginica
1 1.1961523 1.0917574 0.670881001 0.979858480 0.011735539 0.008405980
2 1.0646207 1.0561852 0.848351782 0.972122627 0.018875660 0.009001713
3 1.1808415 1.0745422 0.643979823 0.978531389 0.012386896 0.009081715
4 1.1106992 1.0530122 0.678204104 0.974306386 0.015938338 0.009755276
5 1.1853301 1.0943138 0.558740545 0.979000412 0.012070757 0.008928831
6 1.0811618 1.0943843 0.553844186 0.973242016 0.017453410 0.009304574
7 1.1448311 1.0392875 0.568047307 0.975160289 0.014021169 0.010818542
8 1.1937271 1.0845292 0.729777488 0.979735842 0.011881315 0.008382843
9 0.9995967 1.0313068 0.592235069 0.965043725 0.023491575 0.011464700
使用tune.svm调试参数cost,和gamma:
tmp_c
Cs = 10^(tmp_c)
gm = 10^(tmp_c-2)
tc
prioir_svm
tunecontrol = tc)
用于阅读的参考文献转载本文请联系原作者获取授权,同时请注明本文来自吴锐科学网博客。
链接地址:http://blog.sciencenet.cn/blog-3083238-1018044.html
上一篇:matlab cvx + yalmip
下一篇:R 中作图的图标问题汇总
1071svm函数 r语言,科学网—R中的svm - 吴锐的博文相关推荐
- arcmap提取dem高程_科学网—DEM高程数据处理方法 - 吴飞的博文
第一次使用DEM高程数据的朋友常常遇到这个问题,IMG是压缩包么?怎么不能解压呢?为什么我打开之后数据是灰色的呢?明明是平原地区,为什么显示的高程范围却在-32767-32767之间呢?为什么展示图里 ...
- R语言使用party包中的ctree函数构建条件推理决策树的流程和步骤、条件推理决策树是传统决策树的一个重要变体、条件推理树的分裂是基于显著性测试而不是熵/纯度/同质性度量来选择分裂
R语言使用party包中的ctree函数构建条件推理决策树的流程和步骤(Conditional inference trees).条件推理决策树是传统决策树的一个重要变体.条件推理树的分裂是基于显著性 ...
- R语言使用caret包中的createFolds函数对机器学习数据集进行交叉验证抽样、返回的样本列表长度为k个
R语言使用caret包中的createFolds函数对机器学习数据集进行交叉验证抽样.返回的样本列表长度为k个 目录
- R语言使用caret包中的createMultiFolds函数对机器学习数据集进行交叉验证抽样、返回的样本列表长度为k×times个、times为组内抽样次数
R语言使用caret包中的createMultiFolds函数对机器学习数据集进行交叉验证抽样.返回的样本列表长度为k×times个.times为组内抽样次数 目录
- R语言使用party包中的ctree函数构建条件推理决策树(Conditional inference trees)、使用plot函数可视化训练好的条件推理决策树、条件推理决策树的叶子节点的阴影区域表
R语言使用party包中的ctree函数构建条件推理决策树(Conditional inference trees).使用plot函数可视化训练好的条件推理决策树.条件推理决策树的叶子节点的阴影区域表 ...
- R语言使用zoo包中的rollapply函数计算两个时间序列数据列之间的滚动相关性(Rolling correlations)、例如,计算两种商品销售额之间的3个月的滚动相关性
R语言时间序列数据滚动相关性分析(Rolling correlations).R语言使用zoo包中的rollapply函数计算两个时间序列数据列之间的滚动相关性(Rolling correlation ...
- R语言使用treemap包中的treemap函数可视化treemap图:treemap将分层数据显示为一组嵌套矩形、自定义设置treemap图的调色板、自定义设置treemap标题字体的大小
R语言使用treemap包中的treemap函数可视化treemap图:treemap将分层数据显示为一组嵌套矩形.自定义设置treemap图的调色板.自定义设置treemap标题字体的大小 目录
- R语言将数据列中的多种日期格式统一变化为一种固定格式实战:使用lubridate包中的parse_date_time函数
R语言将数据列中的多种日期格式统一变化为一种固定格式实战:使用lubridate包中的parse_date_time函数 目录
- R语言使用mgcv包中的gam函数拟合广义加性模型(Generalized Additive Model,GAMs):从广义加性模型GAM中抽取学习到的样条函数(spline function)
R语言使用mgcv包中的gam函数拟合广义加性模型(Generalized Additive Model,GAMs):从广义加性模型GAM中抽取学习到的样条函数(spline function) 目录
最新文章
- hashids php 如何使用,Hashids使用
- 公有变量java_Java反射机制(只可以访问公有的方法或者变量)
- 115页Slides带你领略深度生成模型全貌(附PPT)
- 为DevOps正确组合IT、文化和实践
- 活久见: 原来 Chrome 浏览器支持 Import from 语法
- linux 下创建文件的方法
- 天翼云从业认证(1.8)了解软件开发的环境、软件基础架构和常用软件开发工具
- 【ARM】Tiny4412裸板编程之MMU(段1M)
- java7 AIO初体验
- calendar类_带有时区的字符怎样转换为时间及Java 8中日期 与 Calendar 转换
- 半正定矩阵的判定方法_线性代数30——正定矩阵和最小值
- 信息系统管理工程师_关于备考信息系统项目管理师、系统集成项目管理工程师考试几点小建议...
- 我的第一本算法书(图解算法)——什么是二叉查找树
- ifix与mysql_将 iFIX 与 Proficy Historian 配合使用
- stackexchange.mysql_StackExchange.Redis加载Lua脚本进行模糊查询的批量删除和修改
- 人工智能 深度学习(Deep learning)开源框架
- 微软开启imap服务器,连接到 IMAP 或 SMTP 服务器
- FPGA-09FPGA-RGB TFT-LCD显示
- 基于哈里斯鹰算法优化概率神经网络PNN的分类预测-附代码
- 人脸识别:Contrastive loss和梯度推到