如何使用Pyml获得的分类器我是PyML的新用户,在Python中使用PyML
问题描述:
。使用the tutorial,我做了以下内容:如何使用Pyml获得的分类器我是PyML的新用户,在Python中使用PyML
from PyML import *
data = SparseDataSet("heart")
s = SVM()
s.train(data)
r = s.cv(data,5)
我得到的结果集r
,但我不知道如何使用这个结果集到一个完全新的实例与Python分类。任何人都可以帮助我吗?任何建议将不胜感激。
谢谢。
答
r = s.sv(data,5)
您正在做交叉验证,用于通过在数据集的不同部分上训练和测试5次来测量分类器性能。当您的目标是分类新实例时,这不是必需的。
给新实例的分类,你最好有这些不同的数据集,并使用SVM对象的测试方法训练后:
s = SVM()
s.train(trainingDataset)
r = s.test(testDataset)
然后,您将有结果从testDataset新的实例进行分类。 使用s.test()
的选项是使用s.classify(data, i)
和s.decisionFunc(data, i)
对培训后的各个数据点进行分类,但在教程文档中不推荐这样做,因为您不会获得结果对象中包含的额外结果信息(例如从s.test
获得, s.cv
或s.stratifiedCV
方法)。
如果你想检查每个数据点预计哪个类是你需要使用r.getPredictedLabels() – 2013-01-01 13:06:09
对不起,重新审视这个,但在我看来,s.test可以用于分类新实例。另外,s.classify,s.decisionFunc中的参数是什么? – Tony 2013-05-04 15:26:58