問題タブ [svm]

私は、性別、年齢、住所、教育年数、および各人の他の多くのパラメーターの構造化データを含む、多くの履歴書を含むデータベースを持っています。

サンプルの約 10% については、ある時点で彼らが行った特定の行動に関する追加データもあります。たとえば、ジェーンが 1998 年 7 月に住宅ローンを組んだとか、ジョンが 2007 年 1 月にパイロットの訓練を始めて 2007 年 12 月に免許を取得したとか。

各アクションについて、将来の時間の増分で各人に発生する確率を与えるアルゴリズムが必要です。たとえば、ビルが住宅ローンを借りる可能性は、2011 年には 2%、2012 年には 3.5% などです。

これにどのようにアプローチすればよいですか？回帰分析？SVM? ニューラルネット？他の何か？

明らかなカスタマイズだけで使用できる標準ツール/ライブラリさえあるのでしょうか?

2400 個のサンプルと 10,000 個の特徴を含むデータ セットがあります。すべてのデータはバイナリ (+1 または -1) です。アルゴリズムを SVM アルゴリズムと比較できるように、SVM アルゴリズムを超えて実行する必要があります。ただし、SVM や使用するパッケージについてはあまり知りません。実装できるように〜について読んでみましたが、それは私の頭をはるかに超えており、そこから取得する必要があるのは重みベクトルです。私は Windows ユーザーで、Java で実装しています。1 と 0 を含むテキスト ファイルにデータをエクスポートできました。私は MatLab にアクセスできますが、それは非常に遅く、1.6 GHz 2 GB RAM のラップトップ (そして私はそれが必要です) では実際には十分に速く動作しないとのことです。正確な結果を得るには、アルゴリズムを数百回実行する必要があります。

私の場合に使用できる、すばやく簡単に理解できるライブラリまたは SVM の実装を本当に探しています。

皆さん、ありがとうございました。ご不明な点がございましたら、お気軽にお問い合わせください。

私たちはEMGUの使用、特にOpenCVのSVM機能を含むプロジェクトに取り組んでおり、UbuntuプラットフォームでMonoを使用する際に問題があり、Windowsではこの問題はありません。Emgu.CV.ML.SVM.Train メソッドを呼び出すと、問題が発生します。すべてのパラメータが正しく、ラップされたコードをデバッグできません...

共有メモリを増やしたり、その他のトリックを試みたりしましたが、うまくいきません。何か考えはありますか？ありがとうアンジェロ

SVM分類にPyMLを使用しています。ただし、LOOを使用してマルチクラス分類子を評価すると、結果オブジェクトが感度とPPV値を報告しないことに気付きました。代わりにそれらは0.0です：

コードを見ましたが、ここで何が問題になっているのか理解できませんでした。誰かがこれの回避策を持っていますか？

多次元SVM分類器（SVM.NET、libSVMのラッパー）を使用して、一連の機能を分類しています。

SVMモデルが与えられた場合、以前のすべてのデータを再計算することなく、新しいトレーニングデータを組み込むことは可能ですか？別の言い方をすると、SVMは可変ですか？

フィードバックがなく、時間に敏感な質問であるため、これをmath.stackexchange.comから相互投稿しています。

私の質問は、サポート ベクター マシンにおける超平面による線形分離可能性に関するものです。

ウィキペディアによると：

...正式には、サポートベクターマシンは、分類、回帰、またはその他のタスクに使用できる、高次元または無限次元の空間に超平面または超平面のセットを構築します。直感的には、任意のクラスの最も近いトレーニング データ ポイント (いわゆる関数マージン) までの最大距離を持つ超平面によって適切な分離が達成されます。これは、一般に、マージンが大きいほど、classifier.classifier の一般化エラーが低くなるためです。

超平面によるクラスの線形分離は、直感的に理解できます。そして、2 次元幾何学の線形分離可能性を理解していると思います。ただし、一般的な SVM ライブラリ (libSVM) を使用して SVM を実装していますが、数値をいじると、SVM がクラス間で曲線を作成する方法や、カテゴリ 1 の中心点を円形の曲線で囲む方法を理解できません。 n 次元空間 V の超平面が次元 n − 1 の「平坦な」部分集合である場合、または 2 次元空間の場合はカテゴリ 2 の点で囲まれています (1D 線)。

これが私が意味することです：

それは超平面ではありません。それは円形です。これはどのように作動しますか？それとも、2 次元の 2D 入力フィーチャよりも多くの次元が SVM 内にありますか?

このサンプル アプリケーションは、ここからダウンロードできます。

編集：

包括的な回答をありがとう。そのため、SVM はカーネル関数を使用することで、奇妙なデータをうまく分離できます。データを SVM に送信する前に線形化することは役に立ちますか? たとえば、私の入力フィーチャ (数値) の 1 つには、カテゴリ 1 にきちんと収まる転換点 (たとえば 0) がありますが、0 より上と下ではカテゴリ 2 に収まります。分類が SVM のこの機能の絶対値を送信するのに役立ちますか?

Python で LibSVM を使用した分類タスクの例が急務です。入力がどのように見えるべきか、どの関数がトレーニングを担当し、どの関数がテストを担当するのかわかりません ありがとう

LibSVM を使用してテキストの分類を行うことに興味があります。用語/単語を数値データに変換して、LibSVM が理解できるようにする方法を教えてください。

ありがとうございました！

私の最終論文では、色と深度の情報を組み合わせて3D顔認識システムを構築しようとしています。私が行った最初のステップは、反復最接近点アルゴリズムを使用して、データヘッドを特定のモデルヘッドに再調整することです。検出ステップでは、libsvmの使用を考えていました。しかし、深さと色の情報を1つの特徴ベクトルに組み合わせる方法がわかりませんか？それらは依存情報です（各ポイントは色（RGB）、深度情報、およびスキャン品質で構成されています）。何をすることをお勧めしますか？重み付けのようなものですか？

編集：昨夜、SURF / SIFT機能に関する記事を読みました。それらを使用したいと思います！それはうまくいくでしょうか？コンセプトは次のようになります。各特徴をsvmの単一の特徴ベクトルとして使用して、カラー画像と深度画像（範囲画像）からこの特徴を抽出しますか？

残念ながら、次の簡単な例で predict() を使用すると問題が発生します。

結果は次のとおりです。

predict() がトレーニング サンプル (x,y) の適合値のみを提供し、テスト データを気にしない理由を説明できる人はいますか?

ご助力ありがとうございます！

リチャード