¿Conoce alguna buena biblioteca de máquina vectorial (SVM) compatible con C++?[cerrado]
-
19-09-2019 - |
Pregunta
¿Sabes de alguna buena biblioteca C ++ SVM que probé Libsvm? http://www.csie.ntu.edu.tw/~cjlin/libsvm/ pero hasta ahora no estoy asombrado.
También he oído hablar de SVMLight y pequeñoSVM.¿Los has probado?¿Algún jugador nuevo?
Gracias !
Otros consejos
He usado SVMLight antes y nos pareció ser muy estable y rápido. He tenido una buena experiencia con él y se lo recomendaría.
Sin embargo, creo que es probable que haya menos documentación sobre SVMLight que libSVM; sólo los trabajos de Thorsten Joachims y los comentarios en el código fuente. No he encontrado la fuente demasiado difícil de seguir, en general, pero hay que leer los periódicos de antemano para entender el trasfondo. También está escrito en C puro, no C ++, si lo que importa a usted.
En cuanto a los "nuevos jugadores, la nueva investigación es sobre todo en la fabricación de los algoritmos de optimización SVM más eficiente. Por ejemplo, usando descenso de gradiente estocástico como en svmsgd y pegasos . No he visto las implementaciones de estos algoritmos, pero es código de la investigación para que no me esperaba que son particularmente fáciles de seguir, si ese es su principal preocupación.
Aquí hay otra lista de paquetes monstruo SVM, bibliotecas y aplicaciones SVM.
También es dlib , que es tranquila completa.
En particular, existen algoritmos para llevar a cabo la clasificación, regresión, clustering, etiquetado secuencia, la detección de anomalías, y cuentan con la clasificación, así como algoritmos para hacer cálculos más especializados.
la mejor manera de empezar es leer la guía libsvm proporcionada en el sitio web, también, una buena partida video tutorial sobre cómo instalar libsvm, y hacer ur tarea primera trainig / clasificación se puede encontrar aquí: http://www.youtube.com/watch?v=gePWtNAQcK8 buena suerte con eso, también estoy empezando en estos días, bastante buenos resultados que obtuve, pero aún afinarlo.
SHARK es una biblioteca modular de C++ para el diseño y optimización de sistemas adaptativos.Proporciona métodos para la optimización lineal y no lineal, en particular algoritmos evolutivos y basados en gradientes, algoritmos de aprendizaje basados en kernel y redes neuronales, y varias otras técnicas de aprendizaje automático.SHARK sirve como caja de herramientas para respaldar aplicaciones del mundo real, así como investigaciones en diferentes dominios de inteligencia computacional y aprendizaje automático.Las fuentes son compatibles con las siguientes plataformas:Windows, Solaris, MacOS X y Linux.