0

据我所知，我可以从使用 LibSVM 的一组数据训练生成的模型中解析支持向量。

生成分类器的公式是什么？

我是否需要文件头中的数据，如下所示（内核等......在列出的支持向量之前）：

 svm_type c_svc
 kernel_type rbf
 gamma 0.125
 nr_class 4
 total_sv 1038
 rho -0.859244 -0.876628 -0.958343 0.543365 -1.10722 -1.79433
 label 2 1 3 0
 nr_sv 364 276 242 156
 SV

我的情况是

  • 我想从 Node.JS 做分类。但是目前还没有针对 LibSVM 的任何绑定。
  • 由于我的模型不会改变，我想在 Node.JS 中进行分类，将模型保存在内存中。
  • 如果这被证明很慢，我宁愿在 C++ 中从头开始编写相同的分类并创建一个包装器模块，如果它只是一个简单的计算问题（我怀疑它是）。

谢谢。

4

1 回答 1

1

您应该能够将 C 函数转换为 Javascript。

以下是相关代码：

double svm_predict_values(const svm_model *model, const svm_node *x, double* dec_values)
{
        int i;
        int nr_class = model->nr_class;
        int l = model->l;

        double *kvalue = Malloc(double,l);
        for(i=0;i<l;i++)
                kvalue[i] = Kernel::k_function(x,model->SV[i],model->param);

        int *start = Malloc(int,nr_class);
        start[0] = 0;
        for(i=1;i<nr_class;i++)
                start[i] = start[i-1]+model->nSV[i-1];

        int *vote = Malloc(int,nr_class);
        for(i=0;i<nr_class;i++)
                vote[i] = 0;

        int p=0;
        for(i=0;i<nr_class;i++)
                for(int j=i+1;j<nr_class;j++)
                {
                        double sum = 0;
                        int si = start[i];
                        int sj = start[j];
                        int ci = model->nSV[i];
                        int cj = model->nSV[j];

                        int k;
                        double *coef1 = model->sv_coef[j-1];
                        double *coef2 = model->sv_coef[i];
                        for(k=0;k<ci;k++)
                                sum += coef1[si+k] * kvalue[si+k];
                        for(k=0;k<cj;k++)
                                sum += coef2[sj+k] * kvalue[sj+k];
                        sum -= model->rho[p];
                        dec_values[p] = sum;

                        if(dec_values[p] > 0)
                                ++vote[i];
                        else
                                ++vote[j];
                        p++;
                }

        int vote_max_idx = 0;
        for(i=1;i<nr_class;i++)
                if(vote[i] > vote[vote_max_idx])
                        vote_max_idx = i;

        free(kvalue);
        free(start);
        free(vote);
        return model->label[vote_max_idx];
}

请注意，您必须重新创建此等式：

在此处输入图像描述

唯一的区别是因为你的模型有 4 个类，你需要实现投票系统，基本上就是上面的代码。

希望能帮助到你。

于 2013-10-09T21:15:31.830 回答