文件名称：smo的matlab代码-SVM-python:在Python中实现了SVM。特别是实现了SMO算法
文件大小：96KB
文件格式：ZIP
更新时间：2024-07-08 18:51:18
系统开源
smo的matlab代码该项目在 Python 中实现了 SVM 的 SMO 算法。 作者：索洛伊斯。 以下是该项目的一些说明： 源代码结构 所有源代码都在文件夹src2/ 。 文件svm.py中定义了两个类 BinarySVM 和svm.py 。 demo_test.py 、 multi_test.py和svm_test.py都用于调试 SMO 算法： demo_test.py包含一个数据生成器，它生成 2 类的二维线性可分/几乎可分/圆形数据，然后可视化数据点并训练 BinarySVM。 类似地， multi_test.py用于测试 MultiSVM。 在svm_test.py ，一些真实数据是从 MNIST 数据集中提取的，并使用 PCA 技术进行可视化。 最后， svm_test_full.py在整个 MNIST 数据上训练 SVM 分类器。 性能和观察 在我的实验中，我发现使用“RBF”内核训练 SVM 比使用线性内核要快得多。 我不知道为什么。 也许是因为在 RKHS 中，数据点更可分离，从而促进了训练过程。 供您参考，在 6/7 MNIST 数据上使用“RBF”内核训练
【文件预览】：
SVM-python-master
----log()
--------QP-Linear-1-over-7.log(44KB)
--------SKLEARN-RBF-6-over-7.log(3KB)
--------SMO-Linear-1-over-7.log(11KB)
--------QP-5-over-7.log(151KB)
--------SKLEARN-Linear-1-over-7.log(3KB)
--------SKLEARN-RBF-1-over-7.log(3KB)
--------QP-RBF-1-over-7.log(45KB)
--------SMO-RBF-1-over-7.log(12KB)
--------SMO-RBF-6-over-7.log(13KB)
----readme.md(2KB)
----src2()
--------svm.py(38KB)
--------demo_test.py(3KB)
--------svm_test_full.py(2KB)
--------svm_test.py(2KB)
--------multi_test.py(2KB)
----LICENSE(1KB)