【问题标题】:How the svm_params in opencv affect my classification?opencv 中的 svm_params 如何影响我的分类?
【发布时间】:2016-08-29 09:22:12
【问题描述】:

我已经实现了一个图像分类器,它使用 SVM 对车辆和动物进行分类。为此,我将 svm 参数设置为

svm_params = dict( kernel_type = cv2.SVM_LINEAR,
                svm_type = cv2.SVM_C_SVC,
                C=2.67, gamma=5.383 )

这个参数是什么意思。我理解 kernel_type 参数。但是什么是 svm_type、c 和 gamma 以及这对我的分类有何影响。?

【问题讨论】:

    标签: python opencv svm


    【解决方案1】:

    您可以在此处找到有关 svm_type 的信息: http://docs.opencv.org/2.4/modules/ml/doc/support_vector_machines.html

    您应该通过 svm_types 和 gamma 值进行嵌套循环并生成混淆矩阵,以检查您的分类质量并选择 svm_type 和 gamma 的最佳配置。

    【讨论】:

    • 更多的gamma值意味着准确的预测?
    • 我不这么认为。我认为,这取决于数据。这是来自文档的关于 gamma 的信息:“‘rbf’、‘poly’和‘sigmoid’的内核系数。如果 gamma 是‘auto’,则将使用 1/n_features。”在这里你有一个解释,如何为 'rbf; 计算 gamma 值。核函数:en.wikipedia.org/wiki/Radial_basis_function_kernel
    猜你喜欢
    • 1970-01-01
    • 2023-03-14
    • 2017-03-14
    • 2020-12-13
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2023-03-10
    • 1970-01-01
    相关资源
    最近更新 更多