問題: 分類する特定のデータ セットがあります - 役に立つ (1)/役に立たない (0)。分類器のトレーニング目的の入力として、完全なデータセットを提供します。異なるデータセットでテストします。
このために、データを LIBSVM 形式に変換しようとしています。何かをする前に、1 つのベクトルの数値入力を提供し、結果を確認することを考えました。
入力：
トレーニング: 1 1 2 (最初の 1 はこのベクトルで有用なクラスを示し、その後に数値入力が続く) テスト: 1 1 2 (入力データ形式がわからない)
出力：
(0:0.9982708183417436)(1:0.0017291816582564153)(実際:1.0 予測:0.0)
トレーニング セットにクラス 0 はありませんが、クラス 0 の probEstimated があります。
データを数値ベクトル入力に変換し、数値テスト データ セットから提供された同等のデータにデータを取得する方法がよくわかりません。この点に関して、どんな助けも高く評価されています。
予定されているタスク: 1. すべてのデータをハッシュ テーブルにロードし、それぞれの分類子である USEFUL(1) を使用してデータ セットに保存するキーを取得します。2. データセットを svmTrain に提供し、モデルを取得します。3. テスト データ セットを準備します (見つかった場合は、各単語/フレーズをそれぞれの数値保存トレーニング セットに変換します。そうでない場合は、新しい値を割り当てます)。4. テスト セットとモデルを SVM の EVALUATE メソッドに提供します。5. USEFUL クラスから結果のベクトルを取得し、データに再マップします。
コード: さまざまなソースから使用されます。public class Datatosvmformat {
static double[][] train = new double[1000][3];
public static void main(String[] args) {
// TODO Auto-generated method stub
HashMap<String, Integer> dataSet = new HashMap<String, Integer>();
double[][] test = new double[10][3];
train[1][0] = 1;
train[1][1] = 1;
train[1][2] = 2;
svm_model model = svmTrain();
//Test Data Set
double[] test1 = new double[3];
test1[0] = 1;
test1[1] = 1;
test1[2] = 2;
evaluate(test1,model);
}
private static svm_model svmTrain() {
svm_problem prob = new svm_problem();
int dataCount = train.length;
prob.y = new double[dataCount];
prob.l = dataCount;
prob.x = new svm_node[dataCount][];
for (int i = 0; i <dataCount; i++){
double[] features = train[i];
//ystem.out.println("Features "+features[i]);
prob.x[i] = new svm_node[features.length-1];
for (int j = 1; j < features.length; j++){
svm_node node = new svm_node();
node.index = j;
node.value = features[j];
prob.x[i][j-1] = node;
}
prob.y[i] = features[0];
}
svm_parameter param = new svm_parameter();
param.probability = 1;
param.gamma = 0.5;
param.nu = 0.5;
param.C = 1;
param.svm_type = svm_parameter.C_SVC;
param.kernel_type = svm_parameter.LINEAR;
param.cache_size = 20000;
param.eps = 0.001;
svm_model model = svm.svm_train(prob, param);
return model;
}
public static double evaluate(double[] features, svm_model model)
{
svm_node[] nodes = new svm_node[features.length-1];
for (int i = 1; i < features.length; i++)
{
svm_node node = new svm_node();
node.index = i;
node.value = features[i];
nodes[i-1] = node;
}
int totalClasses = 2;
int[] labels = new int[totalClasses];
svm.svm_get_labels(model,labels);
double[] prob_estimates = new double[totalClasses];
double v = svm.svm_predict_probability(model, nodes, prob_estimates);
for (int i = 0; i < totalClasses; i++){
System.out.print("(" + labels[i] + ":" + prob_estimates[i] + ")");
}
System.out.println("(Actual:" + features[0] + " Prediction:" + v + ")");
return v;
}
}