Math 支持向量机在Julia语言图像中的应用
我想在Julia中创建包含支持向量机(SVM)的编程,并使用scikit学习Python 所以我需要一个训练集Math 支持向量机在Julia语言图像中的应用,math,julia,svm,Math,Julia,Svm,我想在Julia中创建包含支持向量机(SVM)的编程,并使用scikit学习Python 所以我需要一个训练集(X\u-train)和一个测试集(y\u-train) 例如,我有一个500 X 3类型的X集(这是我的完整数据) 因此,我得到了110 X 3型数组的a子集X,以及120 X 3型数组的B子集X。 集合A和B的并集将成为我的X\u训练训练集 我的y\u列车集合如下所示: 对于A的每个向量元素,我与编号0关联,对于B的每个向量元素,我与编号1关联 因此,我有以下培训和退出设置: T={
(X\u-train)
和一个测试集(y\u-train)
例如,我有一个500 X 3类型的X
集(这是我的完整数据)
因此,我得到了110 X 3型数组的a
子集X
,以及120 X 3型数组的B
子集X
。
集合A
和B
的并集将成为我的X\u训练
训练集
我的y\u列车
集合如下所示:
对于A
的每个向量元素,我与编号0
关联,对于B
的每个向量元素,我与编号1
关联
因此,我有以下培训和退出设置:
T={(a1,0)、(a2,0)、(a110,0)、(b1,1)、(b2,1)、(b120,1)}。
这些集合A
和B
是不相交的,从我转换为500 X 3阵列类型的X
的RGB img矢量图像中获得
设置了T
之后,我应该使用Julia中Python的scikitlearn库、svc.fit()
命令以及可能的svc.predict()
命令为未训练的剩余像素创建预测模型
有人能帮我做这个代码吗
我无法将A
到0
的每个元素与B
到1
的每个元素关联起来
为了连接,我使用了vcat(A,B)
并定义X\u train=vcat(A,B)
我尝试了很多东西,但我无法离开这里
总之:
我有一组3坐标的向量。我想为每个X向量关联一个介于0和1之间的数值。所以我参加了X系列的一部分,作为X_训练系列。这个X_序列集是两个不相交子集A和B的并集,其中对于A的每个向量,我知道y是0,对于B的每个向量,我知道y是1。
现在我想训练X_序列集,得到一个y函数,它给我一个在整个X序列集的0到1之间的值。这是通过支持向量机实现的。我相信还有许多其他受监督的方法,但有了这些方法,我可以遵循