Machine learning libsvm和scikit-learn.svc结果不一致
我有一个项目,是基于SVM算法实现的。最近我决定尝试其他几种分类算法,这就是问题所在 与scikit的连接非常简单,它通过Machine learning libsvm和scikit-learn.svc结果不一致,machine-learning,scikit-learn,svm,libsvm,Machine Learning,Scikit Learn,Svm,Libsvm,我有一个项目,是基于SVM算法实现的。最近我决定尝试其他几种分类算法,这就是问题所在 与scikit的连接非常简单,它通过load\u svmlight\u file例程支持libsvm格式。Ans它的svm实现基于相同的libsvm 当一切都完成后,我决定直接运行libsvm并通过scikit learn检查结果的一致性,结果是不同的。在学习曲线的18个测量指标中,有7个是不同的,并且差异位于学习曲线的小步。libsvm的结果似乎更稳定,但scikit学习结果有一些剧烈的波动 当然,分类器具有
load\u svmlight\u file
例程支持libsvm格式。Ans它的svm实现基于相同的libsvm
当一切都完成后,我决定直接运行libsvm并通过scikit learn检查结果的一致性,结果是不同的。在学习曲线的18个测量指标中,有7个是不同的,并且差异位于学习曲线的小步。libsvm的结果似乎更稳定,但scikit学习结果有一些剧烈的波动
当然,分类器具有完全相同的参数。
我试图在scikit learn实现中检查libsvm的版本,但没有找到它,唯一找到的是libsvm.so文件
目前我使用的是libsvm 3.21版本,而scikit学习的是0.17.1版本
我非常感谢在解决这一问题上给予的任何帮助
size libsvm scikit-learn
1 0.1336239435355727 0.1336239435355727
2 0.08699516468193455 0.08699516468193455
3 0.32928301642777424 0.2117238289550198 #different
4 0.2835688734876902 0.2835688734876902
5 0.27846766962743097 0.26651875338163966 #different
6 0.2853854654662907 0.18898048915599963 #different
7 0.28196058132165136 0.28196058132165136
8 0.31473956032575623 0.1958710201604552 #different
9 0.33588303670653136 0.2101641630182972 #different
10 0.4075242509025311 0.2997807499800962 #different
15 0.4391771087975972 0.4391771087975972
20 0.3837789445609818 0.2713167833345173 #different
25 0.4252154334940311 0.4252154334940311
30 0.4256407777477492 0.4256407777477492
35 0.45314944605858387 0.45314944605858387
40 0.4278633233755064 0.4278633233755064
45 0.46174762022239796 0.46174762022239796
50 0.45370452524846866 0.45370452524846866