liblinear-train - ອອນໄລນ໌ໃນຄລາວ

ໂຄງການ:

NAME

liblinear-train - ຝຶກອົບຮົມການຈັດປະເພດເສັ້ນຊື່ແລະຜະລິດແບບຈໍາລອງ

ສະຫຼຸບສັງລວມ

liblinear-ລົດໄຟ [ທາງເລືອກໃນການ] training_set_file [model_file]

ລາຍລະອຽດ

liblinear-ລົດໄຟ ຝຶກອົບຮົມການຈັດປະເພດແບບເສັ້ນໂດຍໃຊ້ liblinear ແລະຜະລິດຮູບແບບທີ່ເຫມາະສົມ
ສຳ ລັບໃຊ້ກັບ liblinear-ຄາດ(1).

training_set_file ແມ່ນໄຟລ໌ທີ່ບັນຈຸຂໍ້ມູນທີ່ໃຊ້ສໍາລັບການຝຶກອົບຮົມ. model_file ເປັນ
ໄຟລ໌ທີ່ຮູບແບບຈະຖືກບັນທຶກໄວ້. ຖ້າ model_file ບໍ່​ໄດ້​ສະ​ຫນອງ​ໃຫ້​, ມັນ​ເປັນ​ຄ່າ​ເລີ່ມ​ຕົ້ນ​ທີ່​
training_set_file.model.

ເພື່ອໃຫ້ໄດ້ຜົນດີ, ບາງຄັ້ງຄົນເຮົາຕ້ອງການຂະຫນາດຂໍ້ມູນ. ນີ້ສາມາດເຮັດໄດ້ດ້ວຍ
svm-scale(1).

OPTIONS

ສະຫຼຸບຂອງທາງເລືອກແມ່ນລວມຢູ່ຂ້າງລຸ່ມນີ້.

-s ປະເພດ
ກໍາ​ນົດ​ປະ​ເພດ​ຂອງ​ການ​ແກ້​ໄຂ​:

0 ... L2-regularized logistic regression

1 ... L2-regularized L2-loss support ການຈັດປະເພດ vector (dual) (ຄ່າເລີ່ມຕົ້ນ)

2 ... L2-regularized L2-loss support ການຈັດປະເພດ vector (primal)

3 ... L2-regularized L1-loss support ການຈັດປະເພດ vector (ຄູ່)

4 ... ການຈັດປະເພດ vector ສະຫນັບສະຫນູນຫຼາຍຊັ້ນ

5 ... L1-regularized L2-loss support ການຈັດປະເພດ vector

6 ... L1-regularized logistic regression

7 ... L2-regularized logistic regression (ຄູ່)

-c ຄ່າໃຊ້ຈ່າຍ
ກໍານົດພາລາມິເຕີ C (ຄ່າເລີ່ມຕົ້ນ: 1)

-e epsilon
ກໍານົດຄວາມທົນທານຂອງເງື່ອນໄຂການຢຸດເຊົາ

ສໍາລັບ -s 0 ແລະ 2:

|f'(w)|_2 <= epsilon*min(pos,neg)/l*|f'(w0)_2, ບ່ອນທີ່ f ແມ່ນ
ຟັງຊັນ primal ແລະ pos / neg ແມ່ນຈໍານວນຂອງຂໍ້ມູນບວກ / ລົບ
(ຄ່າເລີ່ມຕົ້ນ: 0.01)

ສໍາລັບ -s 1, 3, 4 ແລະ 7:

ການລະເມີດສູງສຸດສອງເທົ່າ <= epsilon; ຄ້າຍຄືກັນກັບ libsvm (ຄ່າເລີ່ມຕົ້ນ: 0.1)

ສໍາລັບ -s 5 ແລະ 6:

|f'(w)|_inf <= epsilon*min(pos,neg)/l*|f'(w0)|_inf, ໂດຍທີ່ f ແມ່ນ primal
ຟັງຊັນ (ຄ່າເລີ່ມຕົ້ນ: 0.01)

-B bias
If bias >= 0, ຈາກນັ້ນ ຕົວຢ່າງ x ກາຍເປັນ [x; ລໍາອຽງ]; ຖ້າ bias < 0, ຈາກນັ້ນ
ບໍ່ມີການເພີ່ມຄຳອະຄະຕິ (ຄ່າເລີ່ມຕົ້ນ: -1)

-wi ນ້ໍາ
Weight-ປັບຕົວກໍານົດການ C ຂອງຫ້ອງຮຽນ i ໂດຍມູນຄ່າ ນ້ໍາ

-v n n-fold ຮູບແບບການກວດສອບຂ້າມ

-C ຊອກຫາພາຣາມິເຕີ C (ສະເພາະສຳລັບ -s 0 ແລະ 2)

-q ໂໝດງຽບ (ບໍ່ມີຜົນຜະລິດ).

ຕົວຢ່າງ

ຝຶກອົບຮົມ SVM ເສັ້ນຊື່ໂດຍໃຊ້ຟັງຊັນ L2-loss:

liblinear-train data_file

ຝຶກ​ອົບ​ຮົມ​ຮູບ​ແບບ​ການ​ຖົດ​ຖອຍ logistic​:

liblinear-train -s 0 data_file

ເຮັດການກວດສອບຂ້າມຫ້າຄັ້ງໂດຍໃຊ້ L2-loss SVM, ໂດຍໃຊ້ຄວາມທົນທານຕໍ່ການຢຸດນ້ອຍກວ່າ 0.001
ແທນທີ່ຈະເປັນຄ່າເລີ່ມຕົ້ນ 0.1 ສໍາລັບການແກ້ໄຂທີ່ຖືກຕ້ອງກວ່າ:

liblinear-train -v 5 -e 0.001 data_file

ດໍາເນີນການກວດສອບຄວາມຖືກຕ້ອງຫຼາຍຄັ້ງໂດຍ L2-loss SVM ແລະຊອກຫາພາລາມິເຕີ C ທີ່ບັນລຸໄດ້
ຄວາມຖືກຕ້ອງຂອງການກວດສອບຂ້າມທີ່ດີທີ່ສຸດ:

ໄຟລ໌ຂໍ້ມູນລົດໄຟ -C

ສໍາລັບການຄັດເລືອກພາລາມິເຕີໂດຍ -C, ຜູ້ໃຊ້ສາມາດລະບຸຕົວແກ້ໄຂອື່ນໆ (ປະຈຸບັນ -s 0 ແລະ -s 2
ສະ​ຫນັບ​ສະ​ຫນູນ​) ແລະ​ຈໍາ​ນວນ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​ຂອງ CV folds​. ນອກຈາກນັ້ນ, ຜູ້ໃຊ້ສາມາດໃຊ້ຕົວເລືອກ -c ເພື່ອ
ລະບຸຄ່າ C ທີ່ນ້ອຍທີ່ສຸດຂອງໄລຍະການຄົ້ນຫາ. ການຕັ້ງຄ່ານີ້ມີປະໂຫຍດເມື່ອຜູ້ໃຊ້ຕ້ອງການ
ເພື່ອແລ່ນຂັ້ນຕອນການເລືອກພາລາມິເຕີຄືນໃໝ່ຈາກ C ທີ່ລະບຸໄວ້ພາຍໃຕ້ການຕັ້ງຄ່າອື່ນ,
ເຊັ່ນ: ຄວາມທົນທານຕໍ່ການຢຸດເຊົາທີ່ເຂັ້ມງວດ -e 0.0001 ໃນຕົວຢ່າງຂ້າງເທິງ.

ລົດໄຟ -C -s 0 -v 3 -c 0.5 -e 0.0001 ໄຟລ໌ຂໍ້ມູນ

ຝຶກອົບຮົມສີ່ປະເພດ:

Cp ລົບ Cn
ຊັ້ນ ມ1 2,3,4 20 10
ຊັ້ນ ມ2 1,3,4 50 10
ຊັ້ນ ມ3 1,2,4 20 10
ຊັ້ນ ມ4 1,2,3 10 10

liblinear-train -c 10 -w1 2 -w2 5 -w3 2 four_class_data_file

ຖ້າມີພຽງແຕ່ສອງຫ້ອງຮຽນ, ພວກເຮົາຝຶກອົບຮົມຫນຶ່ງແບບ. ຄ່າ C ສໍາລັບສອງຊັ້ນຮຽນແມ່ນ 10
ແລະປີ 50:

liblinear-train -c 10 -w3 1 -w2 5 two_class_data_file

ການຄາດຄະເນຄວາມເປັນໄປໄດ້ຂອງຜົນຜະລິດ (ສໍາລັບການຖົດຖອຍ logistic ເທົ່ານັ້ນ) ໂດຍໃຊ້ liblinear-ຄາດ(1):

liblinear-predict -b 1 test_file data_file.model output_file

ໃຊ້ liblinear-train ອອນໄລນ໌ໂດຍໃຊ້ບໍລິການ onworks.net