簡單SVM算法預測整數

Question

在我的項目中，我們應該使用基於SVM的算法。因此，爲了獲得關於SVM實現的基本思想，我們試圖實現一種算法，該算法在以1000個整數的數組進行饋送時，其中前95個整數的值在0-5範圍內，然後接下來的5個大約10000，然後再次從0到5之間的95個整數以及接下來的5個大約10000個等等，將能夠預測接下來的100個整數（1001到1100），其中前95個整數在0-5左右，最後5個整數在10000左右...

如何實現它？首選的編程語言是python。那麼有沒有像libsvm這樣的svm模塊會促進這一點？

我知道這可能是一個愚蠢的問題，但任何幫助將不勝感激！

請回復

Answer 1

我與SVM去從SciKit。其他選項包括svmlight和LaSVM。

Answer 2

這裏有一些資源上AI（SVM特異性）從Python wiki：

Milk - 牛奶是在Python機器學習工具包。它的重點是有監督分類，可用幾種分類器：SVM（基於libsvm），k-NN，隨機森林，決策樹。它還執行功能選擇。這些分類器可以通過多種方式組合形成不同的分類系統。 LIBSVM是支持向量分類（C-SVC，nu-SVC），迴歸（epsilon-SVR，nu-SVR）和分佈估計（單類SVM）的集成軟件。它支持多類分類。默認情況下Python接口可用。

Shogun - 機器學習工具箱的重點是大規模內核方法，尤其是支持向量機（SVM）。它提供了一個通用的SVM對象，與幾種不同的SVM實現接口，其中包括最先進的OCAS，Liblinear，LibSVM，SVMLight，SVMLin和GPDT。每個SVM可以與各種內核組合在一起。該工具箱不僅提供了最常見內核的有效實現，如線性，多項式，高斯和Sigmoid內核，還提供了一些最新的字符串內核。 SHOGUN使用C++實現，並與Matlab（tm），R，Octave和Python接口，並作爲機器學習開源軟件自動發佈。