精华内容
下载资源
问答
  • 如何在libsvm python中加载数据(How to load dataset in libsvm python)我在徘徊如何加载我的数据,以便从libsvm python实现中读取它。 我的数据是250X500矩阵,第一列是数据标签。 我使用以下代码来读取数据...

    如何在libsvm python中加载数据集(How to load dataset in libsvm python)

    我在徘徊如何加载我的数据集,以便从libsvm python实现中读取它。 我的数据是250X500矩阵,第一列是数据集标签。 我使用以下代码来读取数据:

    with open("dataset3.txt") as textFile:

    lines = [line.split() for line in textFile]

    Matrix = [[0 for x in xrange(len(lines[0]))] for x in xrange(len(lines))]

    for y in range(0, len(lines)):

    for x in range(0, len(lines[0])):

    Matrix[y][x] = lines[y][x]

    使用上面的代码,我将我的数据读入int的2d数组。 我怎样才能使用这个数组来执行svm训练和评估?

    param = svm_parameter('-t 0 -c 4 -b 1')

    m = svm_train(Matrix, param)

    文本文件:

    1 0 9 0 0 0 0 5 2 5 15 2 3 50 0 4 6 27 0 16 34 0 11 30 12 23 41 1 0 2 0 10 67 34 ...

    -1 0 10 0 0 0 0 1 0 2 5 1 8 14 0 12 11 4 2 4 22 0 6 40 8 20 47 2 1 0 0 2 1 21 0 1 11 1 ...

    ...

    Matrix = []

    with open('dataset3.txt') as f:

    row = []

    for line in f:

    data = line.split()

    target = float(data[0]) # target value

    str1 = str(target)

    for i,j in enumerate(data):

    if i==0:

    continue

    else:

    str1 = str1 + " " + str(i) +":"+ str(j) +" "

    row.append(str1)

    I am wandering how can I load my dataset, in order to read it from libsvm python implementation. My data is a 250X500 matrix and the first column is dataset labels. I am using the following code in order to read the data:

    with open("dataset3.txt") as textFile:

    lines = [line.split() for line in textFile]

    Matrix = [[0 for x in xrange(len(lines[0]))] for x in xrange(len(lines))]

    for y in range(0, len(lines)):

    for x in range(0, len(lines[0])):

    Matrix[y][x] = lines[y][x]

    With the code above I read my data into a 2d array of int. How can I use this array in order to perform svm train and evaluation??

    param = svm_parameter('-t 0 -c 4 -b 1')

    m = svm_train(Matrix, param)

    Text file:

    1 0 9 0 0 0 0 5 2 5 15 2 3 50 0 4 6 27 0 16 34 0 11 30 12 23 41 1 0 2 0 10 67 34 ...

    -1 0 10 0 0 0 0 1 0 2 5 1 8 14 0 12 11 4 2 4 22 0 6 40 8 20 47 2 1 0 0 2 1 21 0 1 11 1 ...

    ...

    Matrix = []

    with open('dataset3.txt') as f:

    row = []

    for line in f:

    data = line.split()

    target = float(data[0]) # target value

    str1 = str(target)

    for i,j in enumerate(data):

    if i==0:

    continue

    else:

    str1 = str1 + " " + str(i) +":"+ str(j) +" "

    row.append(str1)

    原文:https://stackoverflow.com/questions/23872567

    更新时间:2020-05-31 17:05

    最满意答案

    试试这个代码

    with open('dataset3.txt') as f:

    Matrix = [map(float, line.split()) for line in f]

    for line in f中的行读取每一行。

    line.split()分割成每个value

    map(float, line.split())将value转换为float

    更新

    OP评论了不同的输入格式。

    Matrix = []

    with open('dataset3.txt') as f:

    for line in f:

    data = line.split()

    target = float(data[0]) # target value

    row = []

    for i, (idx, value) in enumerate([item.split(':') for item in data[1:]]):

    n = int(idx) - (i + 1) # num missing

    for _ in range(n):

    row.append(0) # for missing

    row.append(float(value))

    Matrix.append(row)

    Try this code

    with open('dataset3.txt') as f:

    Matrix = [map(float, line.split()) for line in f]

    for line in f reads each line.

    line.split() splits into each value

    map(float, line.split()) converts value to float

    Updated

    OP commented different input format.

    Matrix = []

    with open('dataset3.txt') as f:

    for line in f:

    data = line.split()

    target = float(data[0]) # target value

    row = []

    for i, (idx, value) in enumerate([item.split(':') for item in data[1:]]):

    n = int(idx) - (i + 1) # num missing

    for _ in range(n):

    row.append(0) # for missing

    row.append(float(value))

    Matrix.append(row)

    2014-05-26

    相关问答

    我不知道在Android上运行libsvm的python包装器的简单方法(除了在C库中嵌入python,但这是一种过度杀伤)。 但是,我认为如果直接从C实现访问libsvm会更容易。 这是一个解决如何在Android上编译本机代码的问题: 如何使用Android.mk编译简单的本机代码? 使其工作的另一种方法是使用原始发行版中提供的Java实现: http://www.csie.ntu.edu.tw/~cjlin/libsvm/#java 另外还有一个替代Java实现,似乎比官方java发行版更快

    ...

    您对命令行工具的使用看起来没问题。 如果您没有像训练数据那样扩展测试数据,那么预测将会因您发现而失败。 只需从http://www.csie.ntu.edu.tw/~cjlin/libsvm/获取libsvm的源代码,并将svm-scale.c中的扩展恢复逻辑合并到您的代码中。 要查看读取缩放参数的位置,请搜索: if(restore_filename)

    实际缩放是在一个名为output()的函数中完成的。 显然可以直接返回值而不是打印结果。 BTW opencv中的libsvm版本相当

    ...

    我是EnsembleSVM包的作者。 不幸的是,该软件包还没有R接口。 目前,您唯一的选择是通过测试数据上的命令行调用esvm-predict ,然后加载包含预测的文件(使用-o标志设置)。 请注意,整体不是精确的libsvm格式。 即使看起来很相似,也无法使用libsvm工具读取集合模型。 您可以使用R的system()通过命令行调用esvm-predict 。 对于它的价值,R,MATLAB和Python的接口目前正在开发中。 我们希望在今年年底之前准备好它们以及其他一些好东西。 I am t

    ...

    只需使用libsvm的加载和保存功能即可 svm_save_model('libsvm.model', m)

    m = svm_load_model('libsvm.model')

    这来自libsvm包的python目录中包含的自述文件。 它似乎比网站有更好的功能描述。 Just use libsvm's load and save functions svm_save_model('libsvm.model', m)

    m = svm_load_model('libsvm.model')

    Thi

    ...

    你可以使用“sys.path.append('thatdirectory')”然后导入 you could use "sys.path.append('thatdirectory')" then import

    LIBSVM数据格式如下: :: ... ... ... 如您所见,这形成了一个矩阵[(IndexCount + 1)列,LineCount行]。 更确切地说是一个稀疏矩阵 。 如果你为每个 index指定一个值,你有一个密集矩阵,但是如果你只指定了一些像 <5:value> <8:value>的索引,那么只有索引5和8以及当然label会有自定义值,所有其他值都设置为0 。 这只是为了简化符号或节省空

    ...

    如果检查文件svm-scale.c,您会发现扩展数据的公式是: value = y_lower + (y_upper-y_lower) * (value - y_min)/(y_max-y_min);

    其中y_lower y_upper是y缩放限制 因此,您可以看到缩放值未得到解决,因为您假设“从最小值中减去值然后除以特定要素的范围” 。 如果要恢复实际值,只需撤消公式即可。 例: 如果您将covtype dataset站点中可用的许多数据集作为示例,例如这一个: covtype dataset

    ...

    sklearn.datasets.load_svmlight_file将数据加载为scipy.sparse CSR矩阵,而matplotlib散点图则需要numpy数组。 您认为将稀疏数据实现为密集的numpy数组将适合内存,您可以在其上调用.toarray()方法。 散点图也只对2D阵列数据有意义。 sklearn.datasets.load_svmlight_file will load the data as a scipy.sparse CSR matrix while matplotli

    ...

    您可能在保存模型的时间和尝试加载模型的时间之间更改了类定义(请参阅例如什么是serialVersionUID以及我为什么要使用它?以获得一个很好的解释)。 将serialVersionUID视为一种校验和,确保您不会加载过时的类版本。 除非那是你想要的,因为你比Java更了解你仍然可以使用旧模型 - 在这种情况下你可以手动设置该ID。 为了告诉Java您当前的分类器仍然是最新的,请添加 static final long serialVersionUID = -864263723119664692

    ...

    试试这个代码 with open('dataset3.txt') as f:

    Matrix = [map(float, line.split()) for line in f]

    for line in f中的行读取每一行。 line.split()分割成每个value map(float, line.split())将value转换为float 更新 OP评论了不同的输入格式。 Matrix = []

    with open('dataset3.txt') as f:

    for lin

    ...

    展开全文
  • libsvm for python使用流程

    万次阅读 2018-06-04 18:30:36
    安装libsvmhttps://blog.csdn.net/he99774/article/details/80388612处理成libsvm数据格式https://blog.csdn.net/he99774/article/details/80389490实验(训练、预测)

    安装libsvm

    https://blog.csdn.net/he99774/article/details/80388612


    处理成libsvm数据格式

    https://blog.csdn.net/he99774/article/details/80389490


    实验(训练、预测)

    所需数据集在网盘:https://pan.baidu.com/s/14R4nMlwjDio8OHilhWa9Cg(处理libsvm格式后的为.txt,原始为.data)


    一、进行简单的训练和预测

    from svmutil import *
    
    y, x = svm_read_problem('dataset/train.txt')
    yt, xt = svm_read_problem('dataset/test.txt')
    model = svm_train(y, x)
    
    p_label, p_acc, p_val = svm_predict(yt[0:117], xt[0:117], model)

    不设置参数的训练与预测,得到的输出结果如下:


    其中一些输出含义:

    iter:迭代次数

    nu:SVM对应类型的参数

    obj:SVM文件转换为的二次规划求解得到的最小值

    rho:判决函数的常数项b

    nSV:支持向量个数, nBSV:边界上的支持向量个数

    Total nSV:支持向量总个数

    Accuracy:测试准确率


    二、使用grip.py工具得到最优参数c和g

    grip.py 是libsvm里面含有的,libsvm包下载:https://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/(下载最新版本即可)

    解压后,在tools文件夹里面可以看到grip.py 和 easy.py,下面介绍python的使用方法。

    1.首先安装gnuplot:http://www.gnuplot.info/ (下载最新版本即可)

    2.打开grip.py,修改路径


    也可以顺便把easy.py的路径改了


    3.将训练集和测试集放在tools目录下,打开cmd,通过cd命令打开tools文件夹,之后用python运行

     python grid.py train.txt

    这样运行后可以得到最优的c和g

    4.可以使用easy.py训练并测试

    python easy.py train.txt test.txt

    5.得到c和g参数后,我们可以回到代码中

    y, x = svm_read_problem('dataset/train.txt')
    yt, xt = svm_read_problem('dataset/test.txt')
    parameter = '-c 2048.0 -g 0.0078125'
    model = svm_train(y, x, parameter)
    
    p_label, p_acc, p_val = svm_predict(yt[0:], xt[0:], model)

    在parameter里面加上我们的参数,再次运行即可。

    注:因提供的数据集有一些问题,所以测试优化后的正确率难以看出差距。

    展开全文
  • 在网上搜了许多关于libsvm读取数据位置的问题,么有发现关于pythonlibsvm数据读取位置的文章,经过自己的琢磨终于推出,特此记录。 本人使用的jupyter编译,按照官方教程给的数据下载之后,复制到你在jupyter读取...

    在网上搜了许多关于libsvm读取数据位置的问题,么有发现关于python下libsvm数据读取位置的文章,经过自己的琢磨终于推出,特此记录。
    本人使用的jupyter编译,按照官方教程给的数据下载之后,复制到你在jupyter读取文件的根目录下(此目录即为如下代码所示的…/)即可!其他ide应该是同理!

    y, x = svm_read_problem('../LibSvmTestFile/train.1.txt')
    yt, xt = svm_read_problem('../LibSvmTestFile/test.1.txt')
    
    展开全文
  • python 使用 libsvm

    千次阅读 2018-07-16 18:18:03
    我的环境 python 3.64 64bit 一、安装libsvm (非 python 64版本 这里 不完全适应) 1、直接到官网下载libsvm官网 .zip包 然后放到你喜欢的目录 并解压 2、压缩后有个 windows 文件夹 里面第一个 就是 libsvm....

    我的环境 python 3.64  64bit

    一、安装libsvm

    (非 python 64版本 这里 不完全适应)

    1、直接到官网下载libsvm官网 .zip包 然后放到你喜欢的目录 并解压

    2、压缩后有个 windows 文件夹 里面第一个 就是 libsvm.dll 的动态链接库 ,把他复制放到 C:\Windows\System32下面

    (因为我的是64bit的python 动态链接库也是64bit的 所以我可以直接用, 如果是32位的话 需要 重新编译一个新的.dll文件 放到上面的那个路径下)

    3、在Pycharm的使用

    因为没有添加路径给pycharm,此时pycharm不能识别 所以需要到setting ->  Project interpreter   ->  齿轮 -> Show All -> Show paths for the selected interpreter(右侧图标最下面一个) - > 添加libsvm下面的python 路径 (如: G:\libsvm\libsvm-3.23\python)

    注意 后来发现上面的那种并没有实际添加到sys.path  下面有两种可行的方法:

    (1)手动添加搜索路径

    import os,sys
    path = "G:\libsvm\libsvm-3.23\python"
    sys.path.append(path)

    (2)

    到libsvm把 python包复制到当前任意一个搜索路径下 例如G:\virtualenv_home\py3\lib\site-packages 下面 然后

    from python.svmutil import *  导入 即可

     

    至此 安装已经完成

    二、安装gnuplot

    到官网 找到download 然后 注意在页面 选择 file文件下面 点进去 找到 .exe 文件 就可以 一键式安装了

     

    二、使用

    1、使用 grid.py 进行参数选择 (C, gamma)(需要安装python 我的是py3.64 64bit)

    (1)到Libsvm的 tools文件夹下 找到grid 用编辑器打开 或者 右键 用python自带的 IDLE 打开 会看到 如下界面,

    第一个是对非win32,其实是非windows而言(因为我win64用第二个也正常),看到else下面2个路径,第一个不用管(前提你没有改变原本libsvm的相对路径结构),修改第二个为 你下载的 gnuplot.exe 路径(在 bin目录下)

    python 如果加入全局path了的话 可以直接 在cmd 下面 python grid.py  ../heart_scale  (第一个参数为运行的文件, 第二个参数为 数据文件 以相对路径给出) 这样 就会看到cmd中 飞速 的出现数据,并且同时gnuplot汇出漂亮的图,并在最后给出选出的参数。

     

     

       分别是 C,gamma, 正确率

    最后会发现在tools下面多出来 xxx.out ,xxx.png 就是刚才运行的结果。

    2、使用easy.py 进行 一站式操作(参数选择,预测)

    (1)首先和刚才一样修改 gnuplot路径,然后就可以执行了

    python easy.py ../heart_scale  ../heart_test   (第一个为原始数据,第二个为测试数据)

    会发现 tools 中多出了好几个文件。。。

    三、python (pycharm)下的使用

    分为svmutil、svm.两个接口 其中svmutil为高层接口,svm.py为底层接口

    svm.py主要运用了四个数据结构svm_node, svm_problem, svm_parameter和svm_model。

    svmutil中主要包含了以下几个函数:

    svm_problem() : read_problem
    svm_train()        : train an SVM model
    svm_predict()      : predict testing data
    svm_read_problem() : read the data from a LIBSVM-format file.
    svm_load_model()   : load a LIBSVM model.
    svm_save_model()   : save model to a file.
    evaluations()      : evaluate prediction results.

    一、里面有两个关于读取problem的

    (1)svm_problem() 

    y, x = [1,-1], [{0:1, 1:2, 2:-2}, {0:2, 1:-2, 2:2}]

    prob  = svm_problem(y, x)

    (2)svm_read_problem()

    y, x = svm_read_problem('../heart_scale')

    可见两种区别:前者 读取 问题的标签,特征 存储在prob里面自动转换为libsvm可以接收的数据格式(但是需要index连续,请参照libsvm数据集的格式),

    后者 直接从libsvm格式数据读取数据返回标签、特征

    其中:l 为训练数据数量,y是存储标签的数组,x存储训练数据(指针的指针)
        struct svm_problem
        {
            int l;
            double *y;
            struct svm_node **x;
        };

    二、svm_train()

    Usage: svm-train [options] training_set_file [model_file]
    options:
    -s svm_type : set type of SVM (default 0)
        0 -- C-SVC        (multi-class classification)
        1 -- nu-SVC        (multi-class classification)
        2 -- one-class SVM
        3 -- epsilon-SVR    (regression)
        4 -- nu-SVR        (regression)
    -t kernel_type : set type of kernel function (default 2)
        0 -- linear: u'*v
        1 -- polynomial: (gamma*u'*v + coef0)^degree
        2 -- radial basis function: exp(-gamma*|u-v|^2)
        3 -- sigmoid: tanh(gamma*u'*v + coef0)
        4 -- precomputed kernel (kernel values in training_set_file)
    -d degree : set degree in kernel function (default 3)
    -g gamma : set gamma in kernel function (default 1/num_features)
    -r coef0 : set coef0 in kernel function (default 0)
    -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
    -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
    -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
    -m cachesize : set cache memory size in MB (default 100)
    -e epsilon : set tolerance of termination criterion (default 0.001)
    -h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
    -b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)
    -wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
    -v n: n-fold cross validation mode
    -q : quiet mode (no outputs)

    这是 svm_train()的可选参数,其中比较常用几个是

    -s 分类回归选择

    -t 核函数类型

    -c 惩罚系数

    -g  核函数里面的一个参数

    (1)直接传  libsvm格式的 label,feature, parameter

    m = svm_train(y[:200], x[:200], '-c 4') 

    (2) 整体传参

     prob  = svm_problem(y, x)

    param = svm_parameter('-t 0 -c 4 -b 1')

    m = svm_train(prob, param)

    m 是一个 ctype 类型指针 指向svm_model

    三、svm_predict(y ,x, m)

    p_label, p_acc, p_val = svm_predict(y[200:], x[200:], m)

    nu 核函数类型参数,

    obj:目标函数最小值,

    rho:偏置项,

    nSV:支持向量

    nBSV 边界上的支持向量 alpha(i) = C

    Total nSv 总的支持向量数(多分类里面)

    四、保存与加载模型

    svm_save_model('heart_scale.model', m) 保存在heart_scale.model里面

    m = svm_load_model('heart_scale.model')  从heart_scale.model 加载

    五、对预测结果进行评估

    ACC, MSE, SCC = evaluations(y, p_label)

    展开全文
  • libsvmpython的使用

    2011-11-19 21:35:02
    libsvmpython的使用 由于课程和课题的原因,这两天试用了一下国立台湾大学Chih-Chung Chang和Chih-Jen Lin编写的libsvm函数库,发现的确是一款写得很不错的软件,而且上手也比较容易,用了一个晚上...
  • # 引入 libsvm 工具包 from libsvm.svmutil import svm_read_problem, svm_problem, svm_train, svm_save_model, svm_parameter, svm_...) # 读取测试集的数据 p_label, p_acc, p_val = svm_predict(yt, xt, model)
  • libsvm处理数据

    千次阅读 2015-10-22 09:18:35
    这里进行处理的训练集是train.1.txt 测试集是 test.1.txt 1. 利用svm-scale 进行数据缩放的处理(对训练集和测试集进行缩放的处理) svm-scale -l -1 -u 1 train.1.txt > train1.txt svm-scale -l -1 -u 0 ...
  • 测试概述 svm_light和libsvm是实现支持向量机的不同工具包,这里在相同数据(默认参数)下,测试两种工具的训练效果(主要对比训练时间)。 svm_light可在官网下载 ... 本次实验下载了windows平台的可执行程序svm_...
  • Ubuntu + Pythonlibsvm使用小结关于libsvm安装测试 关于libsvm libsvm是台湾大学林智仁(Chih-Jen Lin)教授等开发,它主要用于分类(支持二分类和多分类)和回归,下载网站是链接,目前更新到3.23版本。 安装测试 我...
  • LIBSVM的安装与使用(Python

    千次阅读 2019-04-01 22:37:10
      一,LIBSVM的安装   1,下载安装包 下载网站:http://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/ ...  2,测试libsvm是否可用(Python) #测试代码:(注意libsvm-3.23/python路径) ...
  • pythonlibsvm的使用

    千次阅读 2015-09-18 21:38:07
    pythonlibsvm的使用LibSVM (http://www.csie.ntu.edu.tw/~cjlin/libsvm)使用LibSVM的一些准备工作 平台 • Win32+python+pnuplot • Linux+python+pnuplot 数据 • Training Set • Test Set SVM基础知识...
  • python libsvm 学习总结系列一

    千次阅读 2012-07-08 20:36:56
    最近看了很多有关python调用libsvm的文章,但都是关于在命令行模式下调用的配置等。 看了一篇很好的文章,是利用python直接调用的接口。 但是对于其中具体的应用,还没有详细的了解。先把文章贴出来吧~·~ ...
  • python中的使用Libsvm

    千次阅读 2015-09-04 12:27:35
    LIBSVM是台湾大学林智仁(LinChih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包,他不但提供了编译好的可在Windows系列系统的执行文件,还提供了源代码,方便改进、修改以及在其它...
  • /usr/bin/env python #coding:utf-8 #不少文本引用自 #http://blog.csdn.net/Felomeng/archive/2009/04/09/4058669.aspx #和其他等等地方 from svm import * #一个有3个类的问题 labels = [0, 1, 1,...
  • 使用libsvm进行分类之python和java版本

    千次阅读 2015-05-30 10:46:12
    preface: 最近在做一个多分类的问题,数据格式要求跟libsvm接受的格式很像,为图方便,试着用下libsvm, 习惯用python, 那就用python版本的吧。 工欲擅其事,必先利其器。Libsvm下载:http://www.csie.ntu.edu.tw/~...
  • python:libsvm-3.22

    2017-05-02 21:48:12
    直接将训练集合和测试集合简单归一化到[ 0 , 1 ]区间,可能导致实验结果很差。 如果样本的特征数非常多,那么就不必使用RBF核将样本映射到高维空间。 在特征数非常多的情况下,使用线性核,结果已经非常好,并且只...
  • python libsvm 图像分割 字符识别

    千次阅读 2014-12-12 14:51:23
    Python 用的是2.7版本 #coding=utf-8 #!/usr/bin/env python import Image import cv2 from cv2 import cv import numpy as np from pylab import * import glob import os from svmutil import * ''' 分割...
  • 《集体智慧编程》关于婚介数据的SVM分类 转自:http://muilpin.blog.163.com/blog/static/165382936201131875249123/ 作者写这本书的年代已经很久远了,于是里面使用到的LIBSVM接口与现在也非常不一样: ...
  • Python 用的是2.7版本字符识别用的是libsvm,针对特定的数据进行训练,之后在进行识别,识别率还是比较高的,之前我也用过mnist数据,结果不是太令人满意#coding=utf-8#!/usr/bin/env pythonimport Imageimport cv...
  • 详细介绍了libsvm的使用,包括libsvm的数据格式转换、Python、gnuplot的下载安装使用,特别详尽!!
  • 使用默认的libsvm分类并可视化libsvmSVM使用流程读取数据随机...LIBSVM软件包拥有目前各种常用编程语言的版本,如Python、Java、Matlab等。 SVM使用流程 · 转换数据格式; · 缩放数据,例如将其变换到[0,1]或者[-...
  • 如何利用python使用libsvm

    千次阅读 2018-09-19 10:29:45
    一:libsvm包下载与使用:    LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包,他不但提供了编译好的可在Windows系列系统的执行文件,还提供...
  • python3.2+libsvm3.17的配置

    千次阅读 2014-03-31 14:08:38
    python3.2+libsvm3.17 安装配置 测试
  • 最后输出的结果应该和guide文章里提到的结果类似 (当然c和g的值有可能并不和文章里的相同,但最后在测试集上的错误率应该相差不大)。执行的过程中可能防病毒软件会弹出提示说rootshell之类的 警告,不必理会。 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,597
精华内容 1,038
关键字:

libsvmpython测试集

python 订阅