LIBSVM简易入门中英对照.docx
- 文档编号:2977852
- 上传时间:2022-11-16
- 格式:DOCX
- 页数:11
- 大小:37.56KB
LIBSVM简易入门中英对照.docx
《LIBSVM简易入门中英对照.docx》由会员分享,可在线阅读,更多相关《LIBSVM简易入门中英对照.docx(11页珍藏版)》请在冰豆网上搜索。
LIBSVM简易入门中英对照
Viewthistutorialin:
EnglishOnly TraditionalChineseOnly Both(Default) (req.JavaScriptifyouwanttoswitchlanguages)
CoreStyleSheets:
Chocolate Midnight Modernist Oldstyle Steely Swiss Traditional Ultramarine
CoreStyleSheets:
Chocolate Midnight Modernist Oldstyle Steely Swiss Traditional Ultramarine
*Thisdocumentiswritteninmultilingualformat.Westronglysuggestthatyouchooseyourlanguagefirsttogetabetterdisplay.
piaip'sUsing(lib)SVMTutorialpiaip的(lib)SVM簡易入門
piaipatcsiedotntudotedudottw,
Hung-TeLin
FriApr1815:
04:
53CST2003
$Id:
svm_tutorial.html,v1.132007/10/0205:
51:
55piaipExppiaip$原作:
林弘德,轉載請保留原出處
Whythistutorialishere
我一直覺得SVM是個很有趣的東西,不過也一直沒辦法(mostly衝堂)去聽林智仁老師的Datamining跟SVM的課;後來看了一些網路上的文件跟聽kcwu講了一下libsvm的用法後,就想整理一下,算是對於並不需要知道完整SVM理論的人提供使用libsvm的入門。
原始libsvm的README跟FAQ也是很好的文件,不過你可能要先對svm跟流程有點了解才看得懂(我在看時有這樣的感覺);這篇入門就是為了從零開始的人而寫的。
I'vebeenconsideringSVMasaninterestingandusefultoolbutcouldn'tattendthe"DataminingandSVM"coursebyprof.cjlineaboutit(mostlyduetoschedulingconflicts).Afterreadingsomematerialsontheinternetanddiscussinglibsvmwithsomeofmyclassmatesandfriends,IwantedtoprovidesomenoteshereasatutorialforthosewhodonotneedtoknowthecompletetheorybehindSVMtheorytouselibsvm.TheoriginalREADMEandFAQfilesthatcomeswithlibsvmaregooddocumentstoo.ButyoumayneedtohavesomebasicknowledgeofSVManditsworkflow(that'showIfeltwhenIwasreadingthem).Thistutorialisspecificlyforthosestartingfromzero.
後來還有一些人提供意見,所以在此要感謝:
Imustthanktheseguyswhoprovidedfeedbackandhelpedmemakethistutorial:
kcwu,biboshen,puffer,somi
不過請記得底下可能有些說法不一定對,但是對於只是想用SVM的人來說我覺得這樣說明會比較易懂。
Rememberthatsomeaspectbelowmaynotbecorrect.Butforthosewhojustwishto"USE"SVM,Ithinktheexplanationbelowiseasiertounderstand.
這篇入門原則上是給會寫基本程式的人看的,也是給我自己一個備忘,不用太多數學底子,也不用對SVM有任何先備知識。
Thistutorialisbasicallyforpeoplewhoalreadyknowhowtoprogram.It'salsoamemotomyself.NeithertoomuchmathmaticsnorpriorSVMknowledgeisrequired.
還看不懂的話有三個情形,一是我講的不夠清楚,二是你的常識不足,三是你是小白^^;Ifyoustillcan'tunderstandthistutorial,therearethreepossibilities:
1.Ididn'texplainclearlyenough,2.Youlacksufficientcommonknowledge,3.Youdon'tuseyourbrainproperly^^;
我自己是以完全不懂的角度開始的,這篇入門也有不少一樣不懂SVM的人看過、而且看完多半都有一定程度的理解,所以假設情況一不會發生,那如果不懂一定是後兩個情況:
P也所以,有問題別問我。
SinceIbeginwritingthismyselfwithnounderstandingofthesubject,ansthisdocumenthasbeenreadbymanypeoplewhoalsodidn'tunderstandSVMbutgainedacertainlevelofunderstandingafterreadingit,possibility1canberuledout.Thusifyoucan'tunderstandityoumustbelongtothelattertwocategories,:
Pthusevenifyouhaveanyquestionsafterreadingthis,don'taskme.
SVM:
Whatisitandwhatcanitdoforme?
SVM,SupportVectorMachine,簡而言之它是個起源跟類神經網路有點像的東西,不過現今最常拿來就是做分類(classification)。
也就是說,如果我有一堆已經分好類的東西(可是分類的依據是未知的!
),那當收到新的東西時,SVM可以預測(predict)新的資料要分到哪一堆去。
SVM,SupportVectorMachine,issomethingthathassimilarrootswithneuralnetworks.ButrecentlyithasbeenwidelyusedinClassification.Thatmeans,ifIhavesomesetsofthingsclassified(ButyouknownothingaboutHOWICLASSIFIEDTHEM,orsayyoudon'tknowtherulesusedforclassification),whenanewdatacomes,SVMcanPREDICTwhichsetitshouldbelongto.
聽起來是很神奇的事(如果你覺得不神奇,請重想一想這句話代表什麼:
分類的依據是未知的!
,還是不神奇的話就請你寫個程式解解看這個問題),也很像要AI之類的高等技巧...不過SVM基於統計學習理論可以在合理的時間內漂亮的解決這個問題。
ItsoundsmarvelousandwouldseemtorequireadvancedtechniqueslikeAIsearchingorsometime-consumingcomplexcomputation.ButSVMusedsomeStatisticalLearningTheorytosolvethisprobleminreasonabletime.
以圖形化的例子來說明(bySVMToy),像假定我在空間中標了一堆用顏色分類的點,點的顏色就是他的類別,位置就是他的資料,那SVM就可以找出區隔這些點的方程式,依此就可以分出一區區的區域;拿到新的點(資料)時,只要對照該位置在哪一區就可以(predict)找出他應該是哪一顏色(類別)了:
Nowweexplainwithagraphicalexample(bySVMToy),Imarkedlotsofpointswithdifferentcolorsonaplane,thecolorofeachpointisits"class"andthelocationisitsdata.SVMcanthenfindequationstosplitthesepointsandwiththeseequationswecangetcoloredregions.Whenanewpoint(data)comes,wecanfind(predict)whatcolor(class)apointshouldbejustbyusingthepoint'slocation(data)
原始資料分佈OriginalData
SVM找出來的區域SVMRegions
當然SVM不是真的只有畫圖分區那麼簡單,不過看上面的例子應該可以了解SVM大概在作什麼.OfcourseSVMisnotreallyjustaboutpaintingandmarkingregions,butwiththeexampleaboveyoushouldshouldbeabletogetsomeideaaboutwhatSVMisdoing.
要對SVM再多懂一點點,可以參考cjlin在datamining課的slides:
pdforps。
底下我試著在不用看那個slide的情況解釋及使用libsvm。
TogetyourselfmorefamiliarwithSVM,youmayrefertotheslidescjlinusedinhisDataMiningcourse:
pdforps.
I'mgoingtotrytoexplainanduselibS
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- LIBSVM 简易 入门 中英对照