Articles of svm

Qué significa entrenar SVM

Soy nuevo en el procesamiento de imágenes. Como mi proyecto estoy haciendo “clasificador de imágenes usando SVM”. Tengo la idea de mi software final “Selecciono una imagen y la ingreso como entrada para mi software y la clasificaré. Si Dale la imagen de un animal que lo clasificará a gato o serpiente adecuadamente ” Cuando […]

Replicación de scikit.svm.SRV.predict (X)

Estoy tratando de replicar svm.svr.predict (X) de scikit-learn y no sé cómo hacerlo correctamente. Lo que quiero hacer es porque después de entrenar la SVM con un kernel RBF me gustaría implementar la predicción en otro lenguaje de progtwigción (Java) y necesitaría poder exportar los parámetros del modelo para poder realizar predicciones de casos desconocidos […]

Extraño rendimiento de predicción de SVM en scikit-learn (SVMLIB)

Estoy usando SVC de scikit-learn en un gran conjunto de datos de 10000×1000 (10000 objetos con 1000 características). Ya vi en otras fonts que SVMLIB no se escala mucho más allá de ~ 10000 objetos y de hecho observo esto: training time for 10000 objects: 18.9s training time for 12000 objects: 44.2s training time for […]

Conocer el número de iteraciones necesarias para la convergencia en SVR scikit-learn

Estoy tratando de optimizar un modelo de RVS y enfrentando un problema debido a un ajuste excesivo, para superar esto, he tratado de disminuir el número de iteraciones en lugar de dejarlo hasta la convergencia. Para comparar los dos modelos necesito el número de iteraciones para ambos casos. ¿Cómo puedo saber la cantidad de iteraciones […]

¿Puedo obtener una lista de predicciones erróneas en la función de puntuación de SVM en scikit-learn?

Podemos usar svm.SVC.score() para evaluar la precisión del modelo SVM. Quiero obtener la clase predicha y la clase real en caso de predicciones erróneas. ¿Cómo puedo lograr esto en scikit-learn ?

Preparación de datos y selección de características para la entidad nombrada usando SVM

Tengo algunos datos de comentarios de los usuarios de los que quiero encontrar el nombre de las marcas de electrónica de consumo. Por ejemplo, considere esta oración de ejemplo ne_chinked que habla de “PS4”, “nokia 720 lumia”, “apple ipad”, “sony bravia”: – In [52]: nltk.ne_chunk(nltk.pos_tag(nltk.word_tokenize(‘When is the PS4 releasing’))) Out[52]: Tree(‘S’, [(‘When’, ‘WRB’), (‘is’, ‘VBZ’), […]

¿Cómo puedo guardar una instancia de objeto Python LibSVM?

Quería usar este clasificador en otra computadora sin tener que entrenarlo nuevamente. Solía ​​guardar algunos clasificadores de scikit con cPickle. Haciendo lo mismo con LIBSVM me da un “ValueError: los objetos ctypes que contienen punteros no pueden ser decapados”. Estoy usando LibSVM 3.1 y Python 2.7.3. Gracias from libsvm.svm import * from libsvm.svmutil import * […]

Multiprocesamiento en un modelo con dataframe como entrada

Quiero utilizar el multiprocesamiento en un modelo para obtener predicciones utilizando un dataframe como entrada. Tengo el siguiente código: def perform_model_predictions(model, dataFrame, cores=4): try: with Pool(processes=cores) as pool: result = pool.map(model.predict, dataFrame) return result # return model.predict(dataFrame) except AttributeError: logging.error(“AttributeError occurred”, exc_info=True) El error que estoy recibiendo es: raise TypeError(“sparse matrix length is ambiguous; use […]

cómo ajustar los parámetros de la función del kernel personalizada con canalización en scikit-learn

Actualmente, he definido con éxito una función de kernel personalizada (pre-computando la matriz del kernel) usando la función def, y ahora estoy usando la función GridSearchCV para obtener los mejores parámetros. por lo tanto, en la función de kernel personalizada, hay un total de 2 parámetros que se ajustarán (a saber, gamm y sea_gamma en […]

Predicción con ki cuadrado de chi para multilabel usando sklearn

Estoy tratando de obtener predicciones para un SVM usando un kernel de chi-cuadrado precalculado. Sin embargo, tengo problemas al intentar ejecutar clf.predict (). min_max_scaler = preprocessing.MinMaxScaler() X_train_scaled = min_max_scaler.fit_transform(features_train) X_test_scaled = min_max_scaler.transform(features_test) K = chi2_kernel(X_train_scaled) svm = SVC(kernel=’precomputed’, cache_size=1000).fit(K, labels_train) y_pred_chi2 = svm.predict(X_test_scaled) El error que estoy recibiendo es el siguiente: ValueError: bad input shape […]