问题标签 [liblinear]

我是 go 新手，但我发现golearn项目在 github 上有很多星星，所以我决定尝试简单的分类问题。但是第一次尝试指针问题出现在Train方法中，我不确定它是golearn绑定中的错误还是与错误设置有关。

这是代码的简化版本：

这是我得到的输出：

我应该报告问题还是修复代码（如果可以修复，请帮助我）

我正在尝试对一些输入进行分类（文本分类：10,000 多个示例和 100,000 多个特征）

而且我已经读到使用 LibLinear 对于此类任务来说速度更快/内存效率更高，因此，我已将我的 LibSvm 分类器移植到accord/net，如下所示：

在点.Learn()- 我得到一个瞬间OutOfMemoryExcpetion。

我已经看到CacheSize文档中有一个设置，但是，我找不到可以降低此设置的位置，如许多示例中所示。

一个可能的原因——我使用的是“哈希技巧”而不是索引——Accord.Net 是否试图分配一个完整的哈希空间数组？（可能接近 int.MaxValue）如果是这样 - 有没有办法避免这种情况？

非常感谢任何帮助！

我一直在努力证明为什么我从 scikit-learnintercept_=0.0获得LogisticRegression 。拟合的 Logistic 回归具有以下参数：

我正在使用的数据集具有以下特征：

• 形状 (113441, 69)
• 1 个具有唯一性的特征 (-1, 0)
• 68 个具有唯一性的特征 (1, 0)

我首先探索了coef_Logistic 回归的属性，它们如下：

我们可以看到一些零（由于 L1 惩罚，对吧？）以及intercept_=0.0.

我想补充一点，我试过了class_weight=None，我得到了intercept_ != 0.0.

这可能是什么原因intercept_=0.0？截距是否也被正则化，并且恰好设置为零（与 的任何其他系数一样coef_）？仅仅是“运气”吗？是因为我的数据集吗？

fit方法LogisticRegression有一个可选sample_weight参数。我遵循 python 代码，发现它只是做了一些琐碎的事情并调度到底层求解器（例如 liblinear）。如何sample_weight运作？它是否工作思想过采样或其他方法？

更新

正如@Alexander McFarlane 所说，除非您查看源代码，否则决策树中的样本权重与逻辑回归相同并不是很明显。

我正在使用 SKLearn 的 LinearSVC (LibLinear) 执行简单的分类。

我无法直接重现预测值并获得与“LinearSVC.predict”相同的准确性。

我究竟做错了什么？以下代码是独立的，突出了我的问题。

输出：

谢谢你的帮助！

dtm_train_tfidf 是 CSC 格式的稀疏矩阵 dgCMatrix

我正在使用应该接受稀疏矩阵的函数 LiblineaR。但是，当我使用稀疏矩阵 dtm_train_tfidf 时，会出现以下错误：

我插入的所有打印件均已成功打印，但出现错误：{ 中的错误：任务 1 失败 - “参数长度为零”

请注意，如果我不添加插入，我会得到一个不同的错误（运行忽略虚线之间的内容）：{中的错误：任务 1 失败 - “选择了未定义的列”

更新 我打印了堆栈跟踪并收到此错误，该错误与最后一行相关联rfe(iris[,-5], iris[,5], sizes = subsetsize...)：

任何人都可以尝试解释发生了什么吗？

这是我的代码：

我总是得到 0 的预测。我的代码有什么问题？当我不规范化 y 时，我得到了一些输出，但是当我规范化输出时，输出始终为 0。

例如，有没有办法统计这个分类模型中支持向量的数量？

输出

我想在我的 java 代码中使用带有 Weka 包装器的 LibLINEAR。我的部分代码如下：

但是我收到以下错误：

我在 NetBeans 中工作，并且已将liblinear-1.92.jar文件添加到项目库中。jar 文件包含weka.classifiers.functions.LibLINEAR. 但是，我仍然收到错误消息。