問題タブ [svm]

SVM に関するこのウィキペディアの記事には、サポート ベクター マシン用の MATLAB ツールボックスのさまざまな実装へのリンクが多数あります。速度、使いやすさなどの点で、これらのうちどれが最適かを誰か提案できますか?

提供されたファイルの内容を取得して処理し、結果をstdoutを介して画面に出力するバイナリプログラム*があります。自動化スクリプトの場合、名前付きパイプを使用してこのプログラムにデータを送信し、出力を自分で処理したいと思います。スクリプトを機能させようとした後、名前付きパイプからデータを受け入れるバイナリプログラムに問題があることに気付きました。この問題を説明するために、unixシェルを使用したいくつかのテストの概要を説明しました。

1. 実際のデータファイルを処理することで、プログラムが機能していることを簡単に示すことができます。

   これにより、file.txtからの処理済み情報を含むoutput.txtが作成されます。

2. 名前付きパイプ（pipe.txt）は、このデモンストレーションで見られるように機能します。

   これにより、パイプを介して送信された後、file.txtからのデータを含むoutput.txtが作成されます。

3. バイナリプログラムがファイルではなく名前付きパイプから読み取っている場合、物事は正しく機能しません。

   この場合、catとbinprogが終了した後でも、output.txtにはデータが含まれていません。topとpsを使用すると、binprogが「実行中」で、作業を行っているように見えます。すべてがエラーなしで実行されます。

この3番目の例でbinprogによって生成された出力がないのはなぜですか？

これを機能させるために私が試みることができるいくつかのことは何ですか？

[*]問題のプログラムはlibsvmのsvm-scaleです。例を一般化して、クリーンでシンプルに保つことにしました。

概要
次元 N の「入力」の多変量時系列があり、これを次元 M (M < N) の出力時系列にマップしたいと考えています。入力は [0,k] に制限され、出力は [0,1 ]。一連のタイム スライスの入力ベクトルを「 I[t]」、出力ベクトルを「O[t] 」と呼びましょう。

ペア<I[t], O[t]>の最適なマッピングがわかっていれば、標準的な多変量回帰/トレーニング手法 (NN、SVM など) のいずれかを使用して、マッピング関数を発見できます。

問題特定の<I[t], O[t]>
ペア 間の関係はわかりませんが、むしろ、出力時系列の全体的な適合性についての見解を持っています。つまり、適合性は完全な出力系列のペナルティ関数によって管理されます。

マッピング/回帰関数 " f "を決定したいのですが、ここで:

ペナルティ関数 P(O) が最小化されるように:

[ペナルティ関数 P は、 fをI[t] に複数回適用して生成された結果の系列に適用されていることに注意してください。つまり、fはI[t]の関数であり、時系列全体ではありません]

I と O の間のマッピングは非常に複雑であるため、どの関数がその基礎を形成する必要があるのか​​ わかりません。したがって、多くの基底関数を試してみる必要があります。

これにアプローチする 1 つの方法について意見を持っていますが、提案に偏りはありません。

アイデア？

私はサポートベクターマシンの基本を理解しようとしており、多くのオンライン記事をダウンロードして読んでいます。しかし、それでもそれを把握することはできません。

何かあれば知りたいのですが

• 素敵なチュートリアル
• 理解に使用できるサンプルコード

または何か、あなたが考えることができ、それは私がSVMの基本を簡単に学ぶことを可能にするでしょう。

PS：私はどういうわけかPCA（主成分分析）を学ぶことができました。ところで、皆さんは私が機械学習に取り組んでいると推測しているでしょう。

RにSVMがあり、このマシンの分類空間をプロットしたいと思います。インターネットでいくつかの例を見つけましたが、それらを理解できないようです。

私のRスクリプトは次のとおりです。

plotコマンドを動作させることができません。このようなグラフが欲しいですhttp://bm2.genes.nig.ac.jp/RGM2/R_current/library/e1071/man/images/plot.svm_001.png

私が見たところ、分離超平面は次の形式でなければならないようです

xw + b=0。

この表記はよくわかりません。私が理解していることから、x.wは内積であるため、結果はスカラーになります。スカラー+bで超平面を表現できるのはどうしてですか？私はこれとかなり混乱しています。

また、x + b = 0だったとしても、原点を真っ直ぐ通過する超平面ではないでしょうか。私が理解していることから、分離超平面は常に原点を通過するとは限りません！

libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/を試しましたが、今のところ私は気が狂っていません。

SVMLightとTinySVMについても聞いたことがあります。それらを試しましたか？新しいプレーヤーはいますか？

ありがとう ！

kernlabR パッケージを使用してサポート ベクター マシン (SVM) を実行しようとしています。私の非常に単純な例では、2 つのトレーニング データがあります。AとB。

(A と B はタイプmatrixです。グラフの隣接行列です。)

そこで、A+B を取ってカーネル行列を生成する関数を書きました。

ここで、kernlabのksvm関数を使用して予測モデルを生成します。今のところ、私はくそったれを機能させようとしているところです - トレーニング エラーなどについては心配していません。

では、質問 1 : モデルを正しく生成していますか? 合理的に？

ここまでは順調ですね。カスタム カーネル マトリックスを作成し、そのマトリックスを使用して ksvm モデルを作成しました。「1」と「-1」のラベルが付いたトレーニング データがあります。

次に予測します。

ええとああ。これは大丈夫です。期待通りですね、本当に。「予測」は、行列ではなく、ある種のベクトルを必要とします。

それでは、いくつか試してみましょう：

上記のテストのいくつかは無意味ですが、それが私の言いたいことです。私が何をしようとも、predict() を取得して自分のデータを見て予測を行うことはできません。スカラーは機能しません。ベクトルは機能しません。2x2 マトリックスも 3x3 マトリックスも機能しません。

ここで何が間違っていますか？

(ksvm が何を望んでいるのかを理解したら、テスト データがその形式に正気/合理的/数学的に適切な方法で準拠できることを確認できます。)

「教師なし分類」に関する研究を行っています。基本的に私はtrainSetを持っており、教師なしでX個のクラスのデータをクラスタリングしたいと考えています。アイデアは、k-means が行うことと似ています。

まあ言ってみれば

Step1) featureSet は [1057x10] 行列であり、それらを 88 個のクラスターにクラスター化したいと考えています。

Step2) 以前に計算されたクラスを使用して、testData がどのように分類されるかを計算します

質問 - SVM または NN で実行できますか? 他に何か ？-他におすすめはありますか?

高次元のバイナリデータ（テキスト）の場合は、単純な線形SVMが最適だと思う単純なSVM分類器を実装したいと思います。自分で実装する理由は、基本的にはどのように機能するのかを知りたいので、ライブラリを使うのは私が望んでいることではありません。

問題は、ほとんどのチュートリアルが「二次問題」として解くことができる方程式に到達することですが、実際のアルゴリズムを示すことはありません。それで、私が研究できる非常に単純な実装、または（より良い）実装の詳細に至るまでのチュートリアルを教えていただけますか？

どうもありがとう！