2024-06-01 08:39:12 发布
网友
我是PyML在Python中的新用户。使用the tutorial,我执行了以下操作:
from PyML import * data = Sparsedataset("heart") s = SVM() s.train(data) r = s.cv(data,5)
我得到了resultsetr,但是我不知道如何使用这个resultset用Python对一个全新的实例进行分类。有经验的人能帮我吗?如有任何建议,我们将不胜感激。在
r
谢谢。在
在r = s.sv(data,5)中,您正在进行交叉验证,它通过在数据集的不同部分上训练和测试5次来测量分类器的性能。当您的目标是对新实例进行分类时,这是不必要的。在
r = s.sv(data,5)
要对新实例进行分类,最好将这些实例放在不同的数据集中,并在训练后使用SVM对象的测试方法:
s = SVM() s.train(trainingDataset) r = s.test(testDataset)
然后,您将得到在testDataset中对新实例进行分类的结果。 使用s.test()的一个选项是在训练后使用s.classify(data, i)和{}对单个数据点进行分类,但在教程文档中不建议这样做,因为您将无法获得结果对象中包含的额外结果信息(如从s.test、s.cv或{}方法中获得的结果信息)。在
s.test()
s.classify(data, i)
s.test
s.cv
在
r = s.sv(data,5)
中,您正在进行交叉验证,它通过在数据集的不同部分上训练和测试5次来测量分类器的性能。当您的目标是对新实例进行分类时,这是不必要的。在要对新实例进行分类,最好将这些实例放在不同的数据集中,并在训练后使用SVM对象的测试方法:
然后,您将得到在testDataset中对新实例进行分类的结果。 使用}对单个数据点进行分类,但在教程文档中不建议这样做,因为您将无法获得结果对象中包含的额外结果信息(如从}方法中获得的结果信息)。在
s.test()
的一个选项是在训练后使用s.classify(data, i)
和{s.test
、s.cv
或{相关问题 更多 >
编程相关推荐