Question

我在Weka的3.6.9中SMO测试了一个数据集（没有改变任何东西，只使用了标准参数）并得到了很好的结果。我尝试在OpenCV的SVM（适用于Android）中配置相同的SMO，但我没有取得好成绩。我想在我的应用程序中配置和训练OpenCV的SVM，就像在Weka中找到的标准SMO一样，有人可以帮助我吗？

Weka的标准SMO 配置（10次交叉验证）：

weka.classifiers.functions.SMO -C 1.0 -L 0.001 -P 1.0E-12 -N 0 -V -1 -W 1 -K "weka.classifiers.functions.supportVector.PolyKernel -C 250007 -E 1.0"

多项式核（在Weka SMO中）如下： K（x，y）=（x，y）^ p 或 K（x，y）=（（x ，y）+1）^ p ，p = 1。

OpenCV的polykernel文档中的公式如下： K（x，y）=（ gamma *（x，y）+ coef0 ）^ <度> ， gamma ＆gt; 0

现在我的代码尝试在 OpenCV4Android中配置相同的方式：

CvSVMParams params = new CvSVMParams();
    params.set_svm_type(CvSVM.C_SVC);
    params.set_kernel_type(CvSVM.POLY);
    params.set_C(1.0);
    params.set_degree(1.0);
    params.set_coef0(0.0);
    params.set_gamma(1.0);
    params.set_term_crit(new TermCriteria(TermCriteria.EPS, 10000, 1e-12));

    CvSVM svm = new CvSVM();

    // n-fold cross validation
    int kFolds = 10;

    CvParamGrid C = new CvParamGrid();
    CvParamGrid p = new CvParamGrid();
    CvParamGrid nu = new CvParamGrid();

    CvParamGrid gamma = new CvParamGrid();
    gamma.set_step(0.0);
    CvParamGrid coeff = new CvParamGrid();
    CvParamGrid degree = new CvParamGrid();

    svm.train_auto(trainData, responses, new Mat(), new Mat(), params,
            kFolds, C, gamma, p, nu, coeff, degree, false);

提前致谢！

Answer 1

您想查看此处http://weka.sourceforge.net/doc/weka/classifiers/functions/SMO.html

中Weka的SMO的默认设置

查看您的代码，

params.set_coef0（1.0）;

应该这样做。

更详细地说，要使LibSVM（或任何基于它的库，如openCV MLL）产生相同的结果，您需要为您的内核进行以下设置：

您应该使用C-SVC（默认），因此不会有任何更改。 kernel：polykernel而不是rbf

注意SMO和LibSVM的不同之处在于，当SMO具有（+ 1）^ exp时，LibSVM的多核通道是（gamma +系数）^ exp（或类似的东西）。

因此，很明显您需要以下设置：指数：1 gamma：1.0 系数：1.0

我进行了几次测试，这就足够了。如果没有，您可能还想调整其他设置以匹配默认值。

OpenCV4android - 使用与Weka的SMO相同的参数配置SVM的训练

1 个答案: