seb*_*ebb 6 python machine-learning scikit-learn keras
最近我参加了我所在城市的数据科学聚会,有一个关于神经网络与SVM连接的讨论.不幸的是,主持人不得不在演讲后立即退出,所以我无法提出一些问题.
我想知道这怎么可能？他正在谈论使用神经网络进行分类,后来他使用SVM分类器将准确度和精度提高了大约10%.
我正在使用Keras用于神经网络,而SKlearn用于ML的其余部分.
这是完全可能的,实际上很常见.您只需选择神经网络层的输出,并将其用作特征向量来训练SVM.通常,也可以对特征向量进行归一化.
(卷积)神经网络学到的特征足够强大,可以推广到不同类型的对象甚至是完全不同的图像.例如,请参阅CNN Features现成的论文:一个令人震惊的识别基准.
关于实现,你只需要训练一个神经网络,然后选择其中一个层(通常是完全连接的层之前或第一个完全连接的层),在数据集上运行神经网络,存储所有特征向量,然后用不同的库(例如sklearn)训练SVM.
| 归档时间： |
|
| 查看次数： |
6968 次 |
| 最近记录： |