1. 样本集的整理:提取特征,以LIBSVM指定格式存储。
2. 特征的标准化处理:特征的缩放Scaling,避免量纲的影响。
3. 选择合适的核函数类型
4. 优选核函数的参数与C
采用:交叉验证(或留一法)、grid-search
5. 基于优选的参数,利用训练集,进行SVM模型的训练
6. (预测)分类器的性能测试
7. 分类
摘自 人工智能论坛 jink2005版主
1. 样本集的整理:提取特征,以LIBSVM指定格式存储。
2. 特征的标准化处理:特征的缩放Scaling,避免量纲的影响。
3. 选择合适的核函数类型
4. 优选核函数的参数与C
采用:交叉验证(或留一法)、grid-search
5. 基于优选的参数,利用训练集,进行SVM模型的训练
6. (预测)分类器的性能测试
7. 分类
摘自 人工智能论坛 jink2005版主
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/296677.shtml
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!