C++ 是';热启动';dlib选项';s dcd培训师仅适用于一级分类?
我正在使用C++ 是';热启动';dlib选项';s dcd培训师仅适用于一级分类?,c++,image-processing,classification,svm,dlib,C++,Image Processing,Classification,Svm,Dlib,我正在使用dlib作为一个程序,该程序使用支持向量机对医学图像进行分类。因为图像很大(很多功能,比如10000到100000),而且我使用的是线性内核,所以听起来好像svm\u c\u linear\u dcd\u训练器是一个很好的类 我喜欢svm\u c\u linear\u dcd\u trainer类的另一个原因是,它声称支持“热启动”,因此,如果经常向样本(如LOOCV)添加或从样本中减去一个观测值,则对于长向量来说是有效的 但是,svm\u c\u linear\u dcd\u训练器的
dlib
作为一个程序,该程序使用支持向量机对医学图像进行分类。因为图像很大(很多功能,比如10000到100000),而且我使用的是线性内核,所以听起来好像svm\u c\u linear\u dcd\u训练器是一个很好的类
我喜欢svm\u c\u linear\u dcd\u trainer
类的另一个原因是,它声称支持“热启动”,因此,如果经常向样本(如LOOCV)添加或从样本中减去一个观测值,则对于长向量来说是有效的
但是,svm\u c\u linear\u dcd\u训练器的唯一示例使用一类分类。文档表明,实现热启动的force_last_weight_to_1
选项仅适用于1级分类
这是真的吗?即,此热启动选项是否不适用于二进制分类?在这种情况下,另一个实现会更快吗?这不是限制。你读过这门课的文档了吗?dlib的文档中哪里提到热启动仅限于一类分类。svm_c_linear_dcd_培训师的文档中甚至没有提到我所看到的一个类别分类。什么是“dob”?谢谢你的回答!在文档中没有真正说明如何进行热启动?我在示例程序中找到了force-to-1选项的链接,那里的评论让我认为它是针对一类分类器的。。。“但是抛开经验的核映射不谈,将线性支持向量机转变为单类支持向量机最重要的步骤如下。我们在每个特征向量的末尾附加一个-1值,然后告诉培训师强制该特征的权重为1。“好的。这只是讨论如何构造一个单类分类器。阅读api文档以了解特定dlib对象。好的,热启动是由optimizer\u state
类模板和使用该模板的train()
函数完成的,与强制权重为1或偏差无关。我找到了active\u learning.h
示例,现在它更有意义了!