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

（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