我想训练一个2类问题的RBF核支持向量机。目前支持向量机只预测0或1,但我希望它返回到决策边界的距离。我怎样才能做到这一点?在
self.svm = cv2.ml.SVM_create()
self.svm.setKernel(cv2.ml.SVM_RBF)
self.svm.train(features, cv2.ml.ROW_SAMPLE, labels)
res = svm.predict(testdata, True)
我的特征是np.数组带数据类型=np.浮动32,我的标签是np.数组带数据类型=内景“否”类的值为0,类“是”的值为1
文件上说支持向量机预测返回第二个参数为True的分数,但我只得到如下结果:
(0.0, array([[ 0.], [ 0.], [ 0.], ..., [ 0.], [ 0.], [ 0.]], dtype=float32))
我要改变SVM类型吗?如果是,我应该选择哪一个?在
您可以使用scikit learn包来生成支持向量机。在
训练:
测试:
^{pr2}$这将根据到超平面的距离给出特征的支持向量机响应。在
相关问题 更多 >
编程相关推荐