何がOpenCV svm型のパラメータ

Question

のopencv SVMの実装からパラメータの標識としての"SVMタイプ"を活用することで、CVSVMParams構造のトレーニングにおいて使用するのSVM.すべての説明では

// SVM type
enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 };

誰でも知らうことで異なる値。

Answer 1

一般:

• 分類SVM1型としても知られるC-SVM費分類）
• 分類SVM2型(としても知られるnu-SVM費分類）
• 回帰SVM1型としても知られるε-SVM回帰)
• 回帰SVM2型(としても知られるnu-SVM回帰)

詳細はページ SVM

Answer 2

彼らは、SVMの異なる製剤です。 SVMの心臓部には、数学的最適化問題です。この問題は、さまざまな方法で述べることができます。

はC-SVMは、マージンの大きさと誤って分類されているトレーニング点の数との間のトレードオフパラメータとしてCを使用します。 Cは、ちょうど数であり、有用な範囲は、データセットに依存し、それは非常に小さい（10-5等）の範囲とすることができる、非常に大きな（5 ^ 10のような）、データに依存します。

NU-SVMが使用代わりにC. NUのNU略サポートベクトルとして終わるであろうトレーニングポイントのパーセンテージです。サポートベクトルより、より広いあなたのマージンは、誤って分類されるより多くのトレーニングのポイントです。 0.1から0.8までの範囲NU - 0.1でトレーニングポイントのおおよそ10％がよりような、80％、0.8において、サポートベクトルあろう。そのわずか相関ので、私は大体言うそのように - 。そのない正確な

イプシロン-SVRと回帰のNU-SVR利用SVM。代わりに、最大マージン超平面を見つけることによって、バイナリ分類を行うのではなく、コンセプトは最高のは、将来のモデルを予測するためにそれを使用するためにデータをフィットするハイパーを見つけるために使用されます。 （NU-SVM及びC-SVMが異なるように）彼らがパラメータ化される方法が異なります。

1クラスSVMは、ノベルティ検出です。ではなくバイナリ分類、または値を予測し、代わりにあなたはSVMにトレーニングセットを与え、それが将来のインスタンスは、クラスの一部として、またはクラス外で分類することができますように、そのセットをラップアラウンドするためにモデルを訓練しようとします（小説や外れ値）。