tag:blogger.com,1999:blog-16607461.post1152234208064936267..comments2024-03-19T11:03:18.501+08:00Comments on 布丁布丁吃什麼?: 大家一起來預測吧!使用Weka指令列實作預測功能 / Making Predictions with Weka in Command Line布丁布丁吃布丁http://www.blogger.com/profile/13614721642960940190noreply@blogger.comBlogger6125tag:blogger.com,1999:blog-16607461.post-91626768012679169602019-07-17T21:32:19.839+08:002019-07-17T21:32:19.839+08:00這真是一個困難的問題。也許可以看一看這人寫的其他文章,或許可以得到一些啟發:
分類與預測:貝氏網路...這真是一個困難的問題。也許可以看一看這人寫的其他文章,或許可以得到一些啟發:<br /><br />分類與預測:貝氏網路<br />http://blog.pulipuli.info/2017/10/classification-and-prediction-bayesnet.html<br /><br />M5P:預測非線性連續資料的樹狀迴歸演算法<br />http://blog.pulipuli.info/2017/11/m5p-m5p-trees-with-linear-models-in-weka.html<br /><br />不深度學習也不用寫程式的圖片辨識:用Weka實作MNIST手寫數字辨識<br />http://blog.pulipuli.info/2017/06/wekamnist-mnist-digits-classification.html<br /><br />幫你選擇分類器的分類器:Auto-WEKA<br />http://blog.pulipuli.info/2017/04/auto-weka-automatic-model-selection-and.html布丁布丁吃布丁https://www.blogger.com/profile/18000418899714977849noreply@blogger.comtag:blogger.com,1999:blog-16607461.post-47053242150849189772019-07-17T10:50:26.166+08:002019-07-17T10:50:26.166+08:00请问一下,可以直接在weka上进行预测而不是在cmd里吗?请问一下,可以直接在weka上进行预测而不是在cmd里吗?Anonymoushttps://www.blogger.com/profile/03184877204528439430noreply@blogger.comtag:blogger.com,1999:blog-16607461.post-49211601466659939262017-11-29T11:54:55.846+08:002017-11-29T11:54:55.846+08:00不客氣不客氣布丁布丁吃布丁https://www.blogger.com/profile/18000418899714977849noreply@blogger.comtag:blogger.com,1999:blog-16607461.post-49205906485454482902017-11-27T16:30:04.130+08:002017-11-27T16:30:04.130+08:00在使用這兩種方法後,確實像版主說的SMO正確率高很多,因此有這個疑問,感謝版主的回答。在使用這兩種方法後,確實像版主說的SMO正確率高很多,因此有這個疑問,感謝版主的回答。Anonymousnoreply@blogger.comtag:blogger.com,1999:blog-16607461.post-64535155023930683022017-11-24T20:20:13.256+08:002017-11-24T20:20:13.256+08:00好問題。
StackOverflow也有人問類似的問題
https://stackoverflow...好問題。<br /><br />StackOverflow也有人問類似的問題<br />https://stackoverflow.com/questions/23674411/weka-smo-vs-libsvm<br /><br />或是在ResearchGate上的提問<br />https://www.researchgate.net/post/Comparison_between_SMO_and_libsvm_and_choice_of_metrics<br /><br />根據Samer Sarsam的說法<br />SMO在訓練向量分類器時實作的是John Platt的序列最小最佳化演算法(sequential minimal optimization algorithm)<br />LibSVM是libsvm函式庫的包裝,包括了單一結果(one-class)的SVM分類器<br />因此,這兩個演算法結果不太一樣。<br /><br />個人使用經驗上,SMO很多時候的正確率比LibSVM還高<br />所以久而久之我就直接使用SMO而已了。布丁布丁吃布丁https://www.blogger.com/profile/18000418899714977849noreply@blogger.comtag:blogger.com,1999:blog-16607461.post-23857515307796942532017-11-24T19:17:37.223+08:002017-11-24T19:17:37.223+08:00請問版主,libsvm與SMO的差異在哪呢?請問版主,libsvm與SMO的差異在哪呢?Anonymousnoreply@blogger.com