Sabe bibliotecas qualquer bom c ++ máquina de vetor de suporte (SVM)? [fechadas]
-
19-09-2019 - |
Pergunta
Você sabe de algum bom c ++ bibliotecas SVM lá fora Tentei LIBSVM http://www.csie.ntu.edu.tw/~cjlin / LIBSVM / mas até agora eu não estou espantado.
Eu também ouvi de SVMLight e TinySVM . você já tentou-los? Quaisquer novos jogadores?
Obrigado!
Outras dicas
Eu usei SVMLight antes e achei que fosse muito estável e rápido. Eu tive uma boa experiência com ele e gostaria de recomendar-lo.
No entanto, eu acho que provavelmente há menos documentação sobre SVMLight que LIBSVM; apenas os artigos de Thorsten Joachims e os comentários no código fonte. Eu não encontrar a fonte muito difícil de seguir em geral, mas você precisa ler os jornais de antemão para entender a fundo. Também está escrito em C puro, não C ++, se o que importa para você.
Quanto aos 'novos jogadores', a nova pesquisa é principalmente para fazer os algoritmos de otimização SVM mais eficiente. Por exemplo, usando gradiente descendente estocástica como em svmsgd e pegasos . Eu não olhei para as implementações destes algoritmos, mas do código de pesquisa, então eu não esperaria que eles são particularmente fácil de seguir, se essa é a sua principal preocupação.
Aqui está outra lista monstro de pacotes SVM, bibliotecas e aplicativos SVM.
Há também dlib , que é calma completa.
Em particular, existem algoritmos para realizar a classificação, regressão, agrupamento, rotulagem sequência, a detecção de anomalias, e característica classificação, bem como algoritmos para fazer cálculos mais especializadas.
a melhor maneira de começar é para ler o guia LIBSVM fornecido no site, também, um bom começando vídeo tutorial sobre como instalar LIBSVM, e fazer ur tarefa primeira trainig / classificação pode ser encontrada aqui: http://www.youtube.com/watch?v=gePWtNAQcK8 boa sorte com isso, também estou apenas começando estes dias, resultados muito bons que eu tenho, mas ainda ajustando-o.
SHARK é uma biblioteca modular C ++ para o projeto e otimização de sistemas adaptativos. Ele fornece métodos para otimização linear e não-linear, em particular algoritmos baseados em gradiente evolutiva e, algoritmos e redes neurais, e várias outras técnicas de aprendizado de máquina de aprendizagem baseado no kernel. SHARK serve como uma caixa de ferramentas para suportar aplicações do mundo real, bem como a pesquisa em diferentes domínios da inteligência computacional e aprendizagem de máquina. As fontes são compatíveis com as seguintes plataformas:. Windows, Solaris, MacOS X e Linux