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

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！