svmlight和libsvm比较

作者：诗雨妈咪201101102002 | 来源：互联网 | 2023-10-12 20:40

http:hi.baidu.comsuperdxfblogitemb169cc1686d38a4f21a4e9ee.html最近用了这两种software去测试打手机，

http://hi.baidu.com/superdxf/blog/item/b169cc1686d38a4f21a4e9ee.html
最近用了这两种software去测试打手机&＃xff0c;发觉svmlight速度比较快&＃xff0c;准确率还可以&＃xff0c;而且便于操作&＃xff0c;而libsvm在train的时候速度不够快&＃xff0c;而且操作起来挺麻烦&＃xff0c;更重要的是在c&＃43;&＃43;中测试单个图片的时候非常慢&＃xff0c;一张576*720的图片要费3秒左右的时间&＃xff0c;几乎是svmlight的三倍&＃xff01;这个无论如何优化都不可能提高太大&＃xff0c;虽然准确率还可以&＃xff0c;但是毕竟速度太慢&＃xff0c;用在trecvid上面根本不work&＃xff0c;还是将注意力转移到svmlight上面来&＃xff0c;用mask的方法去除一些区域&＃xff0c;然后选择更好的正样本&＃xff0c;加上PCA&＃xff0c;再对每个块进行大小scale的调整&＃xff0c;测试一下&＃xff0c;看看结果如何再说吧&＃xff01;

http://blog.sina.com.cn/s/blog_4c98b96001000ald.html
今天做了七组实验&＃xff0c;数据集采取的是UCI的数据集&＃xff0c;a1a-a7a,SVMlight采用的是默认的参数设置&＃xff0c;其实本来开始使用RBF的呢&＃xff0c;效果很烂&＃xff0c;后来改为poly的也不行&＃xff0c;最后实在不行了&＃xff0c;偶然的用线性的做了一次&＃xff0c;结果效果最好&＃xff0c;说明其实很多时候数据线性可分可能性还是很大的。当然因为数据都是向量的形式提供的&＃xff0c;我们没有办法知道这些向量背后的意义是什么。LIBSVM用的也是线性的&＃xff0c;为了对比的需要我们同样采用的是最简单的形式&＃xff0c;是c-SVM的形式。没有采用启发式原则&＃xff0c;这点让笨笨有点疑惑&＃xff0c;因为从理论上来说如果采用启发式原则正确率会高一些&＃xff0c;但是实际却相反。针对这两种算法比较了它们呢的traing time和predicte time和accuracy&＃xff0c;可以看到libsvm和svmlight的accuracy是相当的&＃xff0c;但是时间就差很多了&＃xff0c;svmlight要比libsvm快了很多倍&＃xff0c;而且在predict时除了IO操作之外&＃xff0c;svmlight几乎没有使用cpu的时间&＃xff0c;再一次证明了svmlight的强大优势。其实本来对HeroSVM抱有很大的希望&＃xff0c;因为它比SVMlight还要快9-10左右&＃xff0c;这个相当好了&＃xff0c;但是不开源需要money&＃xff0c;近期又不对外了&＃xff0c;所以很是郁闷&＃xff0c;精力再一次转换到了SVMlight身上了。

http://www.newsmth.net/bbsanc.php?path&＃61;/groups/sci.faq/AI/SourceCodes/M.1202657568.T0
我做过一些测试&＃xff0c;二类问题SVMlight要比libsvm快很多。
svmlight是用c写的&＃xff0c;结构化程度不高&＃xff0c;读起来可能有点费力&＃xff1b;libsvm要清晰一点&＃xff1b;但是和svmtorch比起来感觉还是torch要好一些。

http://whalebox.blogspot.com/2008/03/libsvmsvm-light-zz.html
其中&＃xff0c;libsvm似乎是从svm-light基础上发展起来的。但是在解二次规划的方法上&＃xff0c;没有完全沿用svm-light的方法。我做了些简单的实验&＃xff0c;发现普遍来说&＃xff0c;svm-light比libsvm快&＃xff0c;而且效果好一些。不知道有没有大侠对他们有研究&＃xff0c;比较一些如何&＃xff1f;不过&＃xff0c;libsvm很容易使用&＃xff0c;很容易被集成在自己的cpp工程中&＃xff0c;svm-light似乎很麻烦吧&＃xff0c;呵呵。

各种SVM程序的比较&＃xff1a;
http://hi.baidu.com/oliveai/blog/item/50e6c5ceba62bb3fb600c8a1.html

推荐阅读

go
sklearn数据集库中的常用数据集类型介绍

本文介绍了sklearn数据集库中常用的数据集类型，包括玩具数据集和样本生成器。其中详细介绍了波士顿房价数据集，包含了波士顿506处房屋的13种不同特征以及房屋价格，适用于回归任务。 ... [详细]

蜡笔小新 2023-12-13 17:45:15
go
CSS3选择器的使用方法详解，提高Web开发效率和精准度

本文详细介绍了CSS3新增的选择器方法，包括属性选择器的使用。通过CSS3选择器，可以提高Web开发的效率和精准度，使得查找元素更加方便和快捷。同时，本文还对属性选择器的各种用法进行了详细解释，并给出了相应的代码示例。通过学习本文，读者可以更好地掌握CSS3选择器的使用方法，提升自己的Web开发能力。 ... [详细]

蜡笔小新 2023-12-14 14:37:52
hash
Android中高级面试必知必会，积累总结

本文介绍了Android中高级面试的必知必会内容，并总结了相关经验。文章指出，如今的Android市场对开发人员的要求更高，需要更专业的人才。同时，文章还给出了针对Android岗位的职责和要求，并提供了简历突出的建议。 ... [详细]

蜡笔小新 2023-12-14 14:53:02
select
机器学习之数据均衡算法种类大全+Python代码一文详解

目录前言一、为什么要做数据均衡？二、数据场景1.大数据分布不均衡2.小数据分布不均衡三、均衡算法类型1.过采样2.欠采样3.组合采样四、算法具体种类1 ... [详细]

蜡笔小新 2023-10-15 23:34:41
input
Stanford机器学习第九讲. 聚类

原文：http:blog.csdn.netabcjenniferarticledetails7914952本栏目（Machinelearning）包括单参数的线性回归、多参数的线性 ... [详细]

蜡笔小新 2023-10-15 16:17:01
go
微软头条实习生分享深度学习自学指南

本文介绍了一位微软头条实习生自学深度学习的经验分享，包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性，并提供了一些建议。 ... [详细]

蜡笔小新 2023-12-14 20:58:32
go
【机器学习】生成式对抗网络模型综述

生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型，可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]

蜡笔小新 2023-12-14 17:51:18
char
Android 新闻App的本地服务器搭建教程

本文介绍了在开发Android新闻App时，搭建本地服务器的步骤。通过使用XAMPP软件，可以一键式搭建起开发环境，包括Apache、MySQL、PHP、PERL。在本地服务器上新建数据库和表，并设置相应的属性。最后，给出了创建new表的SQL语句。这个教程适合初学者参考。 ... [详细]

蜡笔小新 2023-12-14 17:15:19
go
[译]技术公司十年经验的职场生涯回顾

本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同，令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望，认为人类有能力不断改善自己。 ... [详细]

蜡笔小新 2023-12-14 11:31:05
go
知识图谱——机器大脑中的知识库

本文介绍了知识图谱在机器大脑中的应用，以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例，说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案，如搜索关键词"Marie Curie"，会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革，不仅美国的微软必应，中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]

蜡笔小新 2023-12-14 10:06:19
go
推荐系统遇上深度学习(十七）详解推荐系统中的常用评测指标

原创：石晓文小小挖掘机2018-06-18笔者是一个痴迷于挖掘数据中的价值的学习人，希望在平日的工作学习中，挖掘数据的价值， ... [详细]

蜡笔小新 2023-12-13 19:35:25
char
《数据结构》学习笔记3——串匹配算法性能评估

本文主要讨论串匹配算法的性能评估，包括模式匹配、字符种类数量、算法复杂度等内容。通过借助C++中的头文件和库，可以实现对串的匹配操作。其中蛮力算法的复杂度为O(m*n)，通过随机取出长度为m的子串作为模式P，在文本T中进行匹配，统计平均复杂度。对于成功和失败的匹配分别进行测试，分析其平均复杂度。详情请参考相关学习资源。 ... [详细]

蜡笔小新 2023-12-13 16:16:05
char
03 基于纹理特征的人脸活体检测01

1.活体相关文献综述调研参考：https:blog.csdn.netCVAIDLarticledetails845673192.基于LBP纹理特征的检测1）基于LBP_256特征提 ... [详细]

蜡笔小新 2023-10-16 08:40:17
filter
阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾

本文介绍了阿里Treebased Deep Match(TDM)的学习笔记，同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法，再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用，并介绍了TDM的背景和优势。最后，文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]

蜡笔小新 2023-12-14 19:24:58
jsp
lua语言闭包、模式匹配、日期、编译、模块的特性及应用

本文介绍了lua语言中闭包的特性及其在模式匹配、日期处理、编译和模块化等方面的应用。lua中的闭包是严格遵循词法定界的第一类值，函数可以作为变量自由传递，也可以作为参数传递给其他函数。这些特性使得lua语言具有极大的灵活性，为程序开发带来了便利。 ... [详细]

蜡笔小新 2023-12-14 18:18:21

诗雨妈咪201101102002

这个家伙很懒，什么也没留下！

Tags | 热门标签

RankList | 热门文章