Image processing libsvm liblinear如何使用直方图交点/卡方核
是否可以在LIBLINEAR中使用直方图相交/chi-sauare核 我的问题是我有一个5000大小的特征向量,所有的都是直方图特征。我不知道如何使用SVM进行训练/测试 我如何使用SVM来训练它 libSVM支持4种类型的内核Image processing libsvm liblinear如何使用直方图交点/卡方核,image-processing,computer-vision,svm,libsvm,pattern-recognition,Image Processing,Computer Vision,Svm,Libsvm,Pattern Recognition,是否可以在LIBLINEAR中使用直方图相交/chi-sauare核 我的问题是我有一个5000大小的特征向量,所有的都是直方图特征。我不知道如何使用SVM进行训练/测试 我如何使用SVM来训练它 libSVM支持4种类型的内核 0 -- linear: u'*v 1 -- polynomial: (gamma*u'*v + coef0)^degree 2 -- radial basis function: exp(-gamma*|u-v|^2) 3 -- sigmoid: tanh(g
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)
LibSVM支持线性内核在这种情况下,LibSVM和linearSVM有什么区别?不,不能在liblinear中使用自定义内核 要做您想做的事情,您需要使用LibSVM和“预计算内核”选项,其中提供gram矩阵(这在LibSVM自述文件中有描述) 对于线性核,LibSVM和LibLinear产生类似的结果。作者说: 他们的预测是相似的,但超平面是不同的。Libsvm 解L1损失支持向量机,但liblinear解L2正则化逻辑 回归和L2损失支持向量机
不,不能在liblinear中使用自定义内核 要做您想做的事情,您需要使用LibSVM和“预计算内核”选项,其中提供gram矩阵(这在LibSVM自述文件中有描述) 对于线性核,LibSVM和LibLinear产生类似的结果。作者说: 他们的预测是相似的,但超平面是不同的。Libsvm 解L1损失支持向量机,但liblinear解L2正则化逻辑 回归和L2损失支持向量机
只有将特征明确映射到非线性特征空间时,才能使用线性SVM解算器,我建议阅读:
只有将特征明确映射到非线性特征空间时,才能使用线性SVM解算器,我建议阅读:
晚了一点,但可能会帮助其他人:机器学习软件包scikit learn()至少提供了chi2内核。晚了一点,但可能会帮助其他人:机器学习软件包scikit learn()至少提供了chi2内核。最近我只是在Libsvm中使用了chi2内核。我将代码粘贴在这里,希望它有用
function [chi2_ans]=chi2_kernel(x,y)
f=@(x,y) 1-sum(((x'-y').*(x'-y'))./(x'+y'+eps)*2);
[m, ~]=size(x);
chi2_ans=zeros(size(x,1),size(y,1));
for i=1:size(x,1)
veci=x(i,:);
for j=1:size(y,1)
vecj=y(j,:);
chi2_ans(i,j)=f(veci,vecj);
end
end
end
并使用它
function [ acc ] = singleChi2Kernel( trainData,testData,trainLabel,testLabel )
numTrain = size(trainData,1);
numTest = size(testData,1);
%# compute kernel matrices between every pairs of (train,train) and
%# (test,train) instances and include sample serial number as first column
K = [ (1:numTrain)' , chi2_kernel(trainData,trainData) ];
KK = [ (1:numTest)' , chi2_kernel(testData,trainData) ];
%# train and test
model = svmtrain(trainLabel, K, '-t 4 ');
[predClass, acc, decVals] = svmpredict(testLabel, KK, model);
%# confusion matrix
%C = confusionmat(testClass,predClass)
end
最近我在Libsvm中只使用了chi2内核。我把代码粘贴在这里,希望它能有用
function [chi2_ans]=chi2_kernel(x,y)
f=@(x,y) 1-sum(((x'-y').*(x'-y'))./(x'+y'+eps)*2);
[m, ~]=size(x);
chi2_ans=zeros(size(x,1),size(y,1));
for i=1:size(x,1)
veci=x(i,:);
for j=1:size(y,1)
vecj=y(j,:);
chi2_ans(i,j)=f(veci,vecj);
end
end
end
并使用它
function [ acc ] = singleChi2Kernel( trainData,testData,trainLabel,testLabel )
numTrain = size(trainData,1);
numTest = size(testData,1);
%# compute kernel matrices between every pairs of (train,train) and
%# (test,train) instances and include sample serial number as first column
K = [ (1:numTrain)' , chi2_kernel(trainData,trainData) ];
KK = [ (1:numTest)' , chi2_kernel(testData,trainData) ];
%# train and test
model = svmtrain(trainLabel, K, '-t 4 ');
[predClass, acc, decVals] = svmpredict(testLabel, KK, model);
%# confusion matrix
%C = confusionmat(testClass,predClass)
end
源代码