是否可以在LIBLINEAR中使用直方图交叉/ chi sauare内核?
我的问题是我有一个5000大小的特征向量都是直方图功能。我不知道如何使用SVM进行训练/测试。
如何使用SVM进行训练?
libSVM支持4种类型的内核。
0 -- linear: u'*v
1 -- polynomial: (gamma*u'*v + coef0)^degree
2 -- radial basis function: exp(-gamma*|u-v|^2)
3 -- sigmoid: tanh(gamma*u'*v + coef0)
在这种情况下,LibSVM支持线性内核libSVM和linearSVM之间的区别是什么?
答案 0 :(得分:3)
不,你不能在liblinear中使用自定义内核。
要执行您想要执行的操作,您需要使用LibSVM和“预先计算的内核”选项,您可以在其中提供克数矩阵(这在LibSVM自述文件中有所描述)。
在线性内核的情况下,LibSVM和LibLinear产生类似的结果。作者说:
他们的预测相似但超平面不同。 LIBSVM 解决L1损失SVM,但是liblinear解决了L2正则化逻辑 回归和L2损失SVM。
答案 1 :(得分:1)
有点晚了,但可能会帮助别人:机器学习包scikit-learn(http://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.chi2_kernel.html#sklearn.metrics.pairwise.chi2_kernel)至少提供了chi2-kernel。
答案 2 :(得分:0)
只有在明确将要素映射到非线性要素空间时,才能使用线性SVM求解器,我建议阅读:
答案 3 :(得分:0)
我最近在Libsvm中使用了chi2内核。我在这里粘贴代码,希望它有用。
function [chi2_ans]=chi2_kernel(x,y)
f=@(x,y) 1-sum(((x'-y').*(x'-y'))./(x'+y'+eps)*2);
[m, ~]=size(x);
chi2_ans=zeros(size(x,1),size(y,1));
for i=1:size(x,1)
veci=x(i,:);
for j=1:size(y,1)
vecj=y(j,:);
chi2_ans(i,j)=f(veci,vecj);
end
end
end
并使用它。
function [ acc ] = singleChi2Kernel( trainData,testData,trainLabel,testLabel )
numTrain = size(trainData,1);
numTest = size(testData,1);
%# compute kernel matrices between every pairs of (train,train) and
%# (test,train) instances and include sample serial number as first column
K = [ (1:numTrain)' , chi2_kernel(trainData,trainData) ];
KK = [ (1:numTest)' , chi2_kernel(testData,trainData) ];
%# train and test
model = svmtrain(trainLabel, K, '-t 4 ');
[predClass, acc, decVals] = svmpredict(testLabel, KK, model);
%# confusion matrix
%C = confusionmat(testClass,predClass)
end
来自link
的代码