Знаете какие-нибудь хорошие библиотеки машин опорных векторов C++ (SVM)?[закрыто]
-
19-09-2019 - |
Вопрос
Вы знаете какие -либо хорошие библиотеки C ++ SVM, я попробовал libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/ но пока я не ошеломлен.
Я также слышал о СВМЛайт и ТиниСВМ.Вы пробовали их?Есть новые игроки?
Спасибо !
Другие советы
Раньше я использовал SVMLight и нашел его очень стабильным и быстрым.Имею хороший опыт использования и рекомендую.
Однако я думаю, что документации по SVMLight, вероятно, меньше, чем по libSVM;только статьи Торстена Йоахимса и комментарии в исходном коде.В целом мне не показалось, что источник слишком труден для понимания, но вам нужно прочитать статьи заранее, чтобы понять подоплеку.Он также написан на чистом C, а не на C++, если для вас это важно.
Что касается «новых игроков», то новые исследования в основном направлены на повышение эффективности алгоритмов оптимизации SVM.Например, используя стохастический градиентный спуск, как в свмсгд и пегасы.Я не рассматривал реализации этих алгоритмов, но это исследовательский код, поэтому я не ожидаю, что им будет особенно легко следовать, если это вас больше всего беспокоит.
Вот еще один список монстров пакетов, библиотек и приложений SVM.
А также есть dlib, что вполне завершено.
В частности, существуют алгоритмы для выполнения классификации, регрессии, кластеризации, маркировки последовательностей, обнаружения аномалий и ранжирования признаков, а также алгоритмы для выполнения более специализированных вычислений.
лучший способ начать — прочитать руководство по libsvm, представленное на веб-сайте, а также хорошее начальное видеоруководство по установке libsvm и выполнению первой задачи обучения/классификации можно найти здесь:http://www.youtube.com/watch?v=gePWtNAQcK8удачи в этом, я тоже только начинаю это в эти дни, я получил довольно хорошие результаты, но все еще настраиваю его.
SHARK — это модульная библиотека C++ для проектирования и оптимизации адаптивных систем.Он предоставляет методы линейной и нелинейной оптимизации, в частности эволюционные и градиентные алгоритмы, алгоритмы обучения на основе ядра и нейронные сети, а также различные другие методы машинного обучения.SHARK служит набором инструментов для поддержки реальных приложений, а также исследований в различных областях вычислительного интеллекта и машинного обучения.Исходники совместимы со следующими платформами:Windows, Солярис, MacOS X и Linux.