j13*_*13r 2 python svm libsvm scikits scikit-learn
我用Python训练了一个SVM分类器
clf = sklearn.svm.NuSVC(nu=0.05, probability=True, kernel='rbf')
clf.fit(points, classes)
这对预测很有用.现在我想更新分类器参数.几点不会改变分类(从正数到零),还会添加一些分数.少数意味着10000或更多的50.
我认为提示SVM分类器从先前的参数开始是明智的,这应该非常接近最佳解决方案.我有一个问题,有时,分类器随机非常差(我认为拟合失败).有没有办法在scikit-learn或libsvm中这样做？
NuSVC不提供增量/在线学习.要在scikit-learn中做到这一点,你需要SGDClassifier.这符合线性模型,但您可以使用kernel_approximations模块获得RBF内核的近似值(另请参见其作者的博客).
如果您想要一个真正的在线内核学习者,请查看LASVM.
| 归档时间： |
|
| 查看次数： |
1346 次 |
| 最近记录： |