Знаете ли вы о каких-либо хороших С++-библиотеках С++ Я пробовал libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/, но до сих пор я не ошеломлен.
Я также слышал о SVMLight и TinySVM. Вы их пробовали? Любые новые игроки?
Спасибо!
Знаете ли вы о каких-либо хороших С++-библиотеках С++ Я пробовал libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/, но до сих пор я не ошеломлен.
Я также слышал о SVMLight и TinySVM. Вы их пробовали? Любые новые игроки?
Спасибо!
Полный список библиотек SVM можно найти здесь.
Я использовал SVMLight раньше и нашел, что он очень стабильный и быстрый. У меня был хороший опыт использования и рекомендовал его.
Однако, я думаю, что, вероятно, меньше информации о SVMLight, чем libSVM; только статьи Торстена Йоакима и комментарии в исходном коде. Я не нашел источник слишком тяжелым, чтобы следовать в целом, но вам нужно заранее прочитать документы, чтобы понять предысторию. Он также написан на чистом C, а не на С++, если это имеет значение для вас.
Что касается "новых игроков", то новые исследования в основном сводятся к тому, чтобы алгоритмы оптимизации SVM были более эффективными. Например, используя стохастический градиентный спуск, как в svmsgd и pegasos, Я не смотрел на реализацию этих алгоритмов, но это исследовательский код, поэтому я не ожидал, что они будут особенно легко следовать, если это ваша главная проблема.
Вот еще один список монстров пакетов SVM, библиотек и приложений SVM.
Существует также dlib, что тихо.
В частности, существуют алгоритмы для выполнения классификации, регрессии, кластеризации, маркировки последовательности, обнаружения аномалий и ранжирования функций, а также алгоритмы для выполнения более специализированных вычислений.
лучший способ начать работу - прочитать руководство по libsvm, представленное на веб-сайте, а также хорошее начальное видео-учебное пособие о том, как установить libsvm, а также выполнить первую задачу обучения/классификации ur: http://www.youtube.com/watch?v=gePWtNAQcK8 удачи с этим, я также просто начинаю его в эти дни, довольно хорошие результаты, которые я получил, но все еще настраивая его.
SHARK - это модульная библиотека С++ для проектирования и оптимизации адаптивных систем. Он предоставляет методы линейной и нелинейной оптимизации, в частности эволюционные и градиентные алгоритмы, алгоритмы обучения на основе ядра и нейронные сети, а также различные другие методы машинного обучения. SHARK служит в качестве инструмента для поддержки приложений реального мира, а также исследований в разных областях вычислительной разведки и машинного обучения. Источники совместимы со следующими платформами: Windows, Solaris, MacOS X и Linux.