问题标签 [libsvm]

我是 libsvm 的新手，对一些愚蠢的问题感到抱歉。我正在尝试运行easy.py，但这样做有问题。我有

1. 下载 libsvm-3.1 包并解压到C:\User\Cassie\libsvm
2. 安装 Python 并在C:/Python27创建了一个文件夹
3. 下载gp443win32.zip并将其解压缩到下载文件夹中的 gnuplot 文件夹中。复制gnuplot.exe并将其粘贴到C:\User\Cassie\libsvm3-1\libsvm3-1\tools
4. 在 Window 7 调用 cmd 并输入“easy.py myfile.txt”。但是显示了一条错误消息

“回溯（最近一次调用最后一次）：文件“C:\User\Cassie\libsvm-3.1\libsvm-3.1\tools\easy.py”，第 31 行，在断言 os.path.exists(gnuplot_exe)，“gnuplot 可执行文件未找到“AssertionError：未找到 gnuplot 可执行文件”

问题：

1. 我是否安装了错误的 gnuplot 包？
2. 我移动了错误的应用程序吗？gnuplot.exe
3. 我是否需要配置一些路径或环境以使 cmd 找到gnuplot.exe？
4. 我是否输入了错误的命令来使easy.py运行？
5. 我必须先标记培训文件吗？

libsvm 上有很多信息，我真的很困惑。欢迎任何有关此问题的经验。非常感谢大家，

我尝试使用 OpenCV2.3 实现基于 SVM 和 HOG 的人员检测系统。但我被卡住了。

我走了这么远：我可以从图像数据库计算 HOG 值，然后用 LIBSVM 计算 SVM 向量，因此我得到了例如 1419 个 SVM 向量，每个向量有 3780 个值。

OpenCV 只需要 hog.setSVMDetector() 方法中的一个特征向量。因此，我必须从 LIBSVM 计算的 1419 个 SVM 向量中计算出一个特征向量。

我找到了一个提示，如何计算这个单一的特征向量：link

“分量 i 处的检测特征向量（其中 i 在范围内，例如 0-3779）由 i 处的支持向量的总和 * 该支持向量的 alpha 值构成，例如 det[i] = sum_j (sv_j[i] * alpha[j])，其中j是支持的数量向量，i 是支持向量的分量数。”</p>

据此，我的例程是这样工作的：我取第一个 SVM 向量的第一个元素，将其与 alpha 值相乘，然后将其与第二个 SVM 向量的第一个元素相加，该元素已乘以 alpha 值，......</ p>

但在总结所有 1419 个元素后，我得到了相当高的值：

如果将它们与 OpenCV 示例peopledetect.cpp（以及OpenCV 源代码中的 hog.cpp）中的默认向量进行比较

您会看到，默认向量值位于 –1 和 +1 之间，但我的值远远超出了它们。

我想，我的单个特征向量例程需要一些调整，有什么想法吗？

问候，

克里斯托夫

我有兴趣测试 SVM 性能以将几个人分为四个组/类。当使用 MATLAB 中的 svmtrain LibSVM 函数时，我能够根据该方程的值获得用于将这些个体分类为 4 组的三个方程。一个方案可能如下：

有没有办法使用 e1071 R 包中的 svm 函数来获得这些方程？

我开始使用LIBSVM回归分析。我的世界有大约 20 个特征和数千到数百万个训练样本。

我很好奇两件事：

1. 是否有一个指标表明模型的准确性或置信度，可能在 .model 文件或其他地方？

2. 如何确定一个特征是否重要？例如，如果我试图将体重预测为身高、肩宽、性别和头发颜色的函数，我可能会发现头发颜色在预测体重时并不是一个重要特征。这是否反映在 .model 文件中，或者有什么方法可以找出答案？

我从 Libsvm的数据集页面下载了 Mnist 数据集。所有样本如下：

有谁知道那是什么意思？5是类标签，但什么是153:3对例如？我也无法从mnist 自己的网页中找到含义。

我目前正在对具有不同图像描述符的图像进行分类。由于他们有自己的指标，我使用的是预先计算的内核。因此，鉴于这些 NxN 内核矩阵（总共 N 图像），我想训练和测试 SVM。不过，我对使用 SVM 不是很有经验。

令我困惑的是如何输入训练输入。使用内核 MxM 的一个子集（M 是训练图像的数量），训练具有 M 个特征的 SVM。但是，如果我理解正确，这将限制我使用具有相似数量特征的测试数据。尝试使用大小为 MxN 的子内核会在训练期间导致无限循环，因此，在测试时使用更多特征会产生较差的结果。

这导致使用相同大小的训练和测试集给出合理的结果。但是，如果我只想对一张图像进行分类，或者对每个类使用给定数量的图像进行训练并用其余的图像进行测试，那么这根本行不通。

如何消除训练图像数量和特征之间的依赖关系，以便我可以使用任意数量的图像进行测试？

我在 MATLAB 中使用 libsvm，内核是 [0,1] 之间的距离矩阵。

我正在使用 LIBSVM 进行回归分析。像冠军一样工作。但是，为模型优化参数的 3 参数网格搜索将我的 2.66 GHz 英特尔机器上的所有四个内核都最大化，我仍然需要等待几个小时才能生成单个模型。

这似乎是 Amazon EC2 的工作。

我已经看过很多关于使用 EC2 完成与 Web 相关的任务的教程和介绍性材料。

但是，如果您有一个小型计算密集型自定义 ANSI-C 程序，您想在 EC2 上运行多个实例，该怎么办？任何人都可以提供有关如何做到这一点的指示（甚至只是要搜索的流行语）吗？

我正在尝试使用 SVM 分类器进行 3 类分类。我们如何解释 LIBSVM 预测的概率估计。它是基于实例与最大边距超平面的垂直距离吗？

请通过对 LIBSVM 分类器预测的概率估计的解释有所了解。首先调整参数C和gamma，然后使用-b带有训练和测试的选项输出概率估计。

我需要对两个类之间的一些值进行分类。我有大约 30 个值可以用作训练集，每个值都有 10 个不同的维度。我正在使用 libSVM（在 Python 中），它似乎工作得很好。

我也在尝试对 libSVM 计算的模型进行解释，因为我认为在分类过程中某些维度比其他维度更“重要”。

例如，考虑以下示例：

很明显，x list 的元素的第二维对于这个数据集的分类是没有用的。

我的问题是：

有没有系统的方法来检测这些分析 libSVM 生成的模型的情况？

寻找 libSVM 的 C++ 接口的教程和/或示例代码。具体来说，我想对使用 SIFT 或 SURF 特征描述符提取的特征进行分类。

我尝试在网站上查看，但没有找到任何此类文档/示例代码。