代码之家 › 专栏 › 技术社区 › Veshraj Joshi

5次交叉验证给出了支持向量机的反向学习曲线

libsvm svm php

Veshraj Joshi · 技术社区 · 6 年前

当数据集数目较少时,精度较高,但随着数据集大小的增加,精度逐渐下降。我知道支持向量机适用于较少的数据集。但我的项目主管对此并不满意。我在网上搜索了一下,却没有找到关于这个问题的答案。我的模型(PECL-SVM提供的带RBF核的SVM)有问题吗?或者这是正常的支持向量机的属性。通过模型对新图像进行分类是完美的。

0 回复 | 直到 6 年前

推荐文章

Vidya Marathe · 利用支持向量机预测概率

6 年前

COCO · numpy矢量化方式更改多行数组(行可以重复)

7 年前

Abdelghani Info · 为什么使用支持向量机?

7 年前

StarSweeper · 如何为openCV支持向量机格式化数据

7 年前

MateoConLechuga · 具有大数据样本的LIBSVM

7 年前

Rudy · 在Scikit学习(Python 3)中使用新数据重新训练持久支持向量机模型

7 年前

Amutheezan · 当使用3个类时,输出对于在Scikitlearn的支持向量机中获取决策函数意味着什么

7 年前

Xavier · 将字符串数据转换为浮点数据,然后传递到支持向量机分类器

7 年前

crabcanon · Scikit学习支持向量机特征名称

7 年前

arnold_107 · 获得支持向量机的决策边界

7 年前