【文件属性】:
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:2021-06-19 01:04:38
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)