问题标签 [svm]

在这篇关于 SVM 的 Wikipedia 文章中，有许多链接指向支持向量机的 MATLAB 工具箱的不同实现。任何人都可以建议在速度、易用性等方面哪些是最好的？

我有一个二进制程序*，它获取所提供文件的内容，对其进行处理，并通过标准输出在屏幕上打印结果。对于自动化脚本，我想使用命名管道将数据发送到该程序并自己处理输出。在尝试让脚本工作后，我意识到二进制程序从命名管道接受数据存在问题。为了说明这个问题，我概述了几个使用 unix shell 的测试。

1. 很容易证明程序通过处理实际数据文件来工作。

   这将导致 output.txt 包含来自 file.txt 的已处理信息。

2. 如本演示所示，命名管道 (pipe.txt) 的工作原理。

   这将导致 output.txt 在通过管道发送后包含来自 file.txt 的数据。

3. 当二进制程序从命名管道而不是文件读取时，事情不能正常工作。

   在这种情况下，即使 cat 和 binprog 终止， output.txt 也不包含任何数据。使用 top 和 ps，我可以看到 binprog “运行”并且似乎在工作。一切都执行没有错误。

为什么在第三个示例中 binprog 没有输出？

我可以尝试哪些事情来使它正常工作？

[*] 有问题的程序是来自libsvm的 svm-scale 。我选择概括示例以保持它们的简洁。

概述
我有一个维度为 N 的“输入”的多元时间序列，我想将其映射到维度为 M 的输出时间序列，其中 M < N。输入的范围为 [0,k]，输出的范围为 [0,1 ]。我们将序列中某个时间片的输入向量称为“ I[t] ”，将输出向量称为“ O[t] ”。

现在，如果我知道对<I[t], O[t]>的最佳映射，我可以使用一种标准的多元回归/训练技术（例如 NN、SVM 等）来发现映射函数。

问题
我不知道特定<I[t], O[t]>对之间的关​​系，而是对输出时间序列的整体适应度有所了解，即适应度由完整输出序列上的惩罚函数控制。

我想确定映射/回归函数“ f ”，其中：

这样惩罚函数 P(O) 被最小化：

[请注意，惩罚函数 P 正在将f的多次应用生成的结果系列应用于I[t]的跨时间。也就是说f是I[t]的函数，而不是整个时间序列]

I 和 O 之间的映射非常复杂，以至于我不知道哪些函数应该构成它的基础。因此，期望必须尝试许多基函数。

对解决此问题的一种方法有看法，但不希望对提案产生偏见。

想法？

我一直在努力掌握支持向量机的基础知识，并下载并阅读了许多在线文章。但还是没能掌握。

我想知道，如果有一些

• 不错的教程
• 可用于理解的示例代码

或者你能想到的东西，这将使我能够轻松地学习 SVM 基础知识。

PS：我以某种方式设法学习了 PCA（主成分分析）。顺便说一句，你们会猜到我正在研究机器学习。

我在 R 中有一个 SVM，现在我想绘制这台机器的分类空间。我在互联网上找到了一些例子，但我似乎无法理解它们。

我的 R 脚本如下：

我无法让 plot 命令工作。我想要一个类似这样的图表http://bm2.genes.nig.ac.jp/RGM2/R_current/library/e1071/man/images/plot.svm_001.png

从我所看到的，似乎分离超平面必须是形式

xw + b = 0。

我不太明白这个符号。据我了解，x.w是一个内积，所以它的结果将是一个标量。你怎么能用标量 + b 来表示超平面？我对此很困惑。

此外，即使它是x + b = 0，它不是一个直接通过原点的超平面吗？据我了解，分离的超平面并不总是通过原点！

你知道那里有什么好的 c++ svm 库吗？

我也听说过SVMLight和TinySVM。你试过了吗？有新玩家吗？

谢谢 ！

我正在尝试使用kernlabR 包来做支持向量机（SVM）。对于我非常简单的示例，我有两条训练数据。A和B。

（A 和 B 属于类型matrix- 它们是图的邻接矩阵。）

所以我写了一个函数，它接受 A+B 并生成一个核矩阵。

现在我使用kernlab'sksvm函数来生成我的预测模型。现在，我只是想让这该死的东西发挥作用——我不担心训练错误等。

那么，问题 1：我是否正确生成了我的模型？合理吗？

到现在为止还挺好。我们创建了自定义内核矩阵，然后使用该矩阵创建了 ksvm 模型。我们将训练数据标记为“1”和“-1”。

现在预测：

哦哦。这没关系。有点期待，真的。“预测”需要某种向量，而不是矩阵。

所以让我们尝试一些事情：

上面的一些测试是荒谬的，但这就是我的观点：无论我做什么，我都无法让 predict() 查看我的数据并进行预测。标量不起作用，向量不起作用。2x2 矩阵不起作用，3x3 矩阵也不起作用。

我在这里做错了什么？

（一旦我弄清楚 ksvm想要什么，那么我就可以确保我的测试数据能够以理智/合理/数学上合理的方式符合该格式。）

我正在做一项涉及“无监督分类”的研究。基本上我有一个 trainSet，我想以无监督的方式对 X 个类中的数据进行聚类。Idea 类似于 k-means 所做的。

比方说

Step1) featureSet 是一个 [1057x10] 矩阵，我想将它们聚类成 88 个聚类。

Step2) 使用之前计算的类来计算testData是如何分类的

问题 - 是否可以使用 SVM 或 NN 来做到这一点？还要别的吗 ？- 还有其他建议吗？

我想实现一个简单的 SVM 分类器，在高维二进制数据（文本）的情况下，我认为简单的线性 SVM 是最好的。自己实现它的原因基本上是我想了解它是如何工作的，所以使用库不是我想要的。

问题是大多数教程都涉及一个可以作为“二次问题”解决的方程，但它们从未展示过实际的算法！那么，您能否指出我可以学习的一个非常简单的实现，或者（更好）指向一个一直到实现细节的教程？

非常感谢！