क्या आप पर किसी भी अच्छे सी ++ एसवीएम पुस्तकालयों के बारे में जानते हैं, मैंने libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/ की कोशिश की लेकिन अब तक मैं flabbergasted नहीं हूँ।किसी भी अच्छे सी ++ समर्थन वेक्टर मशीन (एसवीएम) पुस्तकालयों को जानें?
मैं भी SVMLight और TinySVM बारे में सुना है। क्या आपने उन्हें आजमाया है? कोई नया खिलाड़ी?
धन्यवाद!
Here's another monster list एसवीएम पैकेज, पुस्तकालयों और एसवीएम अनुप्रयोगों के।
मैंने पहले एसवीएमएलइट का उपयोग किया है और इसे बहुत स्थिर और तेज़ पाया है। इसका उपयोग करके मुझे अच्छा अनुभव था और इसकी सिफारिश करेंगे।
हालांकि, मुझे लगता है कि libSVM की तुलना में शायद SVMLight पर कम दस्तावेज है; थॉर्स्टन जोआचिम द्वारा केवल कागजात और स्रोत कोड में टिप्पणियां। मुझे स्रोत को सामान्य रूप से पालन करने में बहुत मुश्किल नहीं मिली, लेकिन पृष्ठभूमि को समझने के लिए आपको पहले से ही कागजात पढ़ने की जरूरत है। यह शुद्ध सी में भी लिखा गया है, सी ++ नहीं, अगर यह आपके लिए मायने रखता है।
'नए खिलाड़ियों' के लिए, नया शोध ज्यादातर एसवीएम अनुकूलन एल्गोरिदम को अधिक कुशल बनाने में है। उदाहरण के लिए, svmsgd और pegasos में स्टोकास्टिक ग्रेडेंट वंश का उपयोग करना। मैंने इन एल्गोरिदम के कार्यान्वयन को नहीं देखा है, लेकिन यह शोध कोड है इसलिए मैं उम्मीद नहीं करता कि वे आपकी प्राथमिक चिंता होने पर विशेष रूप से पालन करना आसान हैं।
सबसे अच्छा तरीका है आरंभ करने के लिए वेबसाइट में उपलब्ध कराई गई libsvm गाइड को पढ़ने के लिए है, यह भी, कैसे libsvm स्थापित करते हैं, और उर पहले trainig/वर्गीकरण कार्य करने के लिए पर एक अच्छा प्रारंभिक वीडियो ट्यूटोरियल यहां पाया जा सकता: http://www.youtube.com/watch?v=gePWtNAQcK8 इसके साथ शुभकामनाएं, मैं इसे अभी भी शुरू कर रहा हूं, मुझे अच्छे अच्छे नतीजे मिले हैं, लेकिन अभी भी इसे ट्यूनिंग कर रहे हैं।
dlib भी है, जो शांत हो गया है।
विशेष रूप से, वर्गीकरण, प्रतिगमन, क्लस्टरिंग, अनुक्रम लेबलिंग, विसंगति का पता लगाने के प्रदर्शन के लिए एल्गोरिदम देखते हैं, और अधिक विशिष्ट संगणना करने के लिए रैंकिंग, साथ ही एल्गोरिदम शामिल हैं।
शार्क डिजाइन और अनुकूली सिस्टम के अनुकूलन के लिए एक मॉड्यूलर सी ++ पुस्तकालय है। यह विशेष रूप से विकासवादी और ढाल-आधारित एल्गोरिदम, कर्नेल-आधारित शिक्षण एल्गोरिदम और तंत्रिका नेटवर्क, और कई अन्य मशीन सीखने की तकनीकों में रैखिक और nonlinear अनुकूलन के तरीकों प्रदान करता है। शार्क वास्तविक दुनिया अनुप्रयोगों के साथ-साथ कम्प्यूटेशनल इंटेलिजेंस और मशीन लर्निंग के विभिन्न डोमेन में अनुसंधान के लिए टूलबॉक्स के रूप में कार्य करता है। स्रोत निम्नलिखित प्लेटफॉर्म के साथ संगत हैं: विंडोज, सोलारिस, मैकोज़ एक्स, और लिनक्स।
libsvm महान है, हालांकि, और वास्तव में अच्छी तरह से काम करता है। –
हाँ, मैंने इसे थोड़ा और अधिक उपयोग किया है और अब मैं कह सकता हूं कि यह मेरे लिए काफी अच्छा काम करता है, किसी भी प्रशंसक की आवश्यकता नहीं है :) – levesque
LibSVM और SVMLight प्रसिद्ध परिपक्व libs हैं। – mrgloom