我是一名大学生，显然我是机器学习的新手，所以请耐心等待。
我正在实施一个Java应用程序来识别和归类Road/Traffic signs，我的主要问题是使用SVM描述符创建和训练SURF。
我阅读了很多内容并遇到了许多不同的事情SVM我变得更加困惑，但我会尝试澄清我的理解。
第一：我知道我必须拥有一个包含Pos图像（包含我的对象的图像）和Neg图像（没有我的对象的图像）的数据集来训练{{1 }}。由于SVM中缺少文档，我尝试查看python中是如何完成的，并且遇到了此代码
Java这很简单，import numpy as np
dataset = np.loadtxt('./datasetExample.csv', delimiter=",")
在这做什么？数据集的图像在哪里？我知道数据必须用CSV文件中的数字表示，但它们来自何处以及它与CSV的关系。
第二：我发现几乎所有资源SVM都可以通过两种方式SVM或HOG Descriptors进行培训，但未找到BagOfWords方法（实际上我是不确定是否可能..但我的博士说可以做到。）
第三：由于我正在对交通标志进行分类，我需要有多个班级（EX。一个用于警告标志，一个用于监管标志等），每个班级当然都有类似于{ {1}}它包括不同类型的标志。我遇到了名为SURF Descriptor的smth，我真的不知道那是什么!!
目前，我设法使用此代码从给定图像中提取Speed limit signs。
Multi-Class SVM我打算做的是循环遍历数据集的所有图像并提取它们的描述符功能来训练SURF Descriptors，但我坚持了他们，因为我发现数据集实际上根本不包含图像....
所以，我会感谢任何形式的帮助或描述性步骤，以实现这一点，甚至是我可以看到的好资源。 感谢