-2
A
回答
1
3
grid.py
是使用RBF (徑向基函數)內核C-SVM分類模型選擇工具。它使用交叉驗證(CV)技術 來估計指定的 範圍內的每個參數組合的準確度,並幫助您爲問題確定最佳參數。
grid.py直接執行libsvm二進制文件(因此不需要python綁定) 用於交叉驗證,然後使用gnuplot繪製CV精度的輪廓。 在使用之前,您必須先安裝libsvm和gnuplot。該包裝 gnuplot的提供的http://www.gnuplot.info/
Usage: grid.py [-log2c begin,end,step] [-log2g begin,end,step] [-v fold]
[-svmtrain pathname] [-gnuplot pathname] [-out pathname] [-png pathname]
[additional parameters for svm-train] dataset
該程序進行用參數C(和γ) = 2 ^開始V-倍交叉驗證,2 ^(開始+步驟),...,2 ^結束。
您可以指定libsvm可執行文件和gnuplot使用的參數是 -svmtrain和-gnuplot參數。
For windows users, please use pgnuplot.exe. If you are using gnuplot
3.7.1, please upgrade to version 3.7.3. The version 3.7.1 has a bug.
例
> python grid.py -log2c -5,5,1 -log2g -4,0,1 -v 5 -m 300 heart_scale
用戶(尤其是MS Windows用戶)可能需要指定的 可執行文件的路徑。您可以更改 grid.py的開頭路徑或在命令行中指定它們。例如,
> grid.py -log2c -5,5,1 -svmtrain c:\libsvm-2.7\windows\svmtrain.exe -gnuplot c:\tmp\gnuplot\bin\pgnuplot.exe -v 10 heart_scale
輸出:兩個文件 dataset.png:所述CV精度的等高線圖(由gnuplot的生成) dataset.out:在每個精度的對數(C,γ)
相關問題
- 1. 訓練數據集
- 2. 在大塊數據集上訓練SGDRegressor
- 3. 使用LibSVM訓練一類SVM
- 4. 如何使用libsvm正確訓練數據?
- 5. 使用OpenNLP訓練大型數據集
- 6. FANN訓練數據集
- 7. 如何使用pycrfsuite在兩個數據集上訓練CRF?
- 8. 如何使用CRF ++在兩個數據集上訓練CRF?
- 9. 使用大型數據集在Spark上訓練BloomFilter
- 10. 用於HOG訓練的LibLinear + grid.py(LibSVM)
- 11. LIBSVM訓練數據格式(svm_node中的x值用於svm_problem)
- 12. 將輸入文本文件作爲訓練數據集在libsvm中
- 13. TensorFlow:收集我自己的訓練數據集&使用該訓練數據集來查找對象的位置
- 14. 如何爲libsvm創建訓練數據(作爲svm_node結構體)
- 15. Matlab中Libsvm SVR訓練的數據格式
- 16. 閱讀libsvm的訓練數據後崩潰
- 17. 在Octave上使用libsvm(Windows)
- 18. 在weka中使用均衡訓練集
- 19. 訓練數據集羣的BOW預測
- 20. SegNet - 訓練我自己的數據集
- 21. R glm()不包括訓練數據集
- 22. 數據集訓練MITIE模型
- 23. 基於訓練集的數據分類
- 24. R中的auto.arima的訓練數據集
- 25. 地面真相與訓練數據集
- 26. PyBrain:MemoryError:加載訓練數據集
- 27. 在RandomForest中使用驗證和訓練數據集
- 28. Tesseract訓練數據
- 29. 如何使用LibSVM分類高光譜數據集並使用.mat文件訓練SVM?
- 30. 如何在非常大的數據集上訓練Word2vec?