没有合适的资源?快使用搜索试试~ 我知道了~
颜色分类leetcode-random-feature-maps:快速随机核化特征:高维IDC数据集的支持向量机分类
共17个文件
py:13个
csv:1个
gitmodules:1个
需积分: 9 1 下载量 54 浏览量
2021-07-06
23:43:09
上传
评论
收藏 23KB ZIP 举报
温馨提示
颜色分类leetcode 高维IDC数据集的支持向量机分类 关于 随机特征图提供低维核近似,从而加速支持向量机的大规模数据集训练。 通过 k-means 聚类降维、随机特征图提升以及随后在该特征空间中的线性 SVM 分类,我们在高维浸润性导管癌数据集(7500 维)上的性能均优于标准高斯核 SVM准确性和速度。 我们探索应用两个随机图(随机傅立叶特征和随机分箱特征)并试验不同的预处理方法,如 k 均值聚类、HSV 变换和梯度直方图。 作者 电气与计算机工程系 计算机科学系 德克萨斯大学奥斯汀分校 德克萨斯大学奥斯汀分校 用法 使用python rf.py arg1=value arg2=value ...运行模块,其中参数作为关键字参数传递,由 '=' 连接并用空格分隔。 范围 默认 描述 训练 0.01 要使用的训练图像的百分比 测试 0.1 要使用的测试图像的百分比 调光 5000 特征空间维度 克恩 错误的 使用颜色 k 均值? 克 5 使用方法数 核心 G 内核类型(“G”、“L”或“C”) 火车 -25 用于培训的患者人数 测试 25 用于测试的患者人数 核心 8 要使用的内
资源推荐
资源详情
资源评论
收起资源包目录
random-feature-maps-master.zip (17个子文件)
random-feature-maps-master
tester
__init__.py 150B
idc_dataset.py 6KB
classify.py 3KB
.gitignore 86B
rf.py 5KB
test_results.csv 11KB
randomfeatures
sample.py 857B
__init__.py 196B
color_kmeans.py 2KB
raw_array.py 790B
fourier.py 3KB
binning.py 3KB
.gitmodules 197B
tools
syllabus
print
README.md 8KB
config.py 1KB
ksvm.py 1KB
helpers.py 4KB
共 17 条
- 1
资源评论
weixin_38725531
- 粉丝: 5
- 资源: 874
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功