توضیحات
ماشین بردار پشتیبان یک دسته بندی کننده باینری می باشد ، به عبارت دیگر تنها می تواند تنها دو کلاس را از هم دسته بندی کند اما LIBSVM حالت چند كلاسه را نيز پشتيباني مي كند، بنابراين از نظر ميزان دشواري انجام پروژه، تفاوتي بين مسائل دو كلاسه و چند كلاسه وجود دارد. تنها تفاوت اين است كه مجموعه هاي بزرگتر و يا حالت چند كلاسه ممكن است به زمان بيشتري براي آموزش و آزمايش نياز داشته باشند.
نرمافزار LIBSVM دو حالت كلي براي حل مسئله دسته بندي دارد: C-SVM و nu-SVM. تفاوت اين دو در چگونگي بيان مسئله به صورت يك مسئله بهينه سازي و همچنين پارامتر مورد تنظيم است. در اين پروژه بايد مسائل براي هسته هاي مختلف در هر دو حالت حل شود. براي حالت nu-SVM، براي پارامتر nu كه با –n مشخص مي شود، از مقادير 1/0، 25/0، 5/0، 75/0، 9/0 و 0/1 استفاده شود. براي حالت C-SVM نيز براي پارامتر C كه با –c مشخص مي شود از مقادير 001/0، 01/0، 1/0، 1، 10، 100 و 1000 استفاده شود.
اين نرم افزار چهار هسته مختلف را به صورت پيشفرض پشتيباني ميكند كه عبارتند از هستههاي خطي، چندجمله اي، RBF و Sigmoid. شما بايستي نتايج را براي هر هسته به صورت جداگانه به دست آوريد.
هسته خطي هيچ پارامتري ندارد و بنابراين تنها يك حالت اجرا دارد.
هسته چند جملهاي داراي دو پارامتر است. پارامتر اول درجه چند جملهاي است و با –d مشخص مي شود، به ازاي مقادير 1، 2، 3 و 4 بايد مسئله را حل كرد. براي پارامتر دوم نيز كه عدد ثابت جمع شونده است و با –r مشخص مي شود، سه حالت 0، 1- و 1+ را استفاده كنيد.
هسته RBF تنها يك پارامتر گاما دارد كه با –g مشخص مي شود. براي اين پارامتر يك بار مقدار پيشفرض يعني 1/k را (k تعداد ويژگيها است) استفاده كنيد (به عبارتي هيچ مقداري را براي گاما به برنامه ندهيد) و به علاوه مقادير 21/k و 1 را نيز تست كنيد.
در مورد هسته sigmoid با توجه به مسائلي كه معمولا از نظر همگرايي به جواب پيش ميآيد، تنها همان پيش فرض يعني مقدار ثابت 0 و گاما 1/k جواب را به دست آوريد.
توضیح فیلم آموزشی libsvm :
یک فیلم آموزشی از نحوه استفاده از libsvm در متلب برای شما تهیه شده است که می توانید در همین صفحه آنرا سفارش دهید.
ما در این فیلم آموزشی از نحوه نصب libsvm و دانلود آن شروع می کنیم و در انتها با چند مثال نحوه استفاده از آنرا تشریح می کنیم. یکی از مثالها با kfold می باشد.
حجت نوری –
سلام، من این ویدئو آموزشی رو تهیه کردم، یه نکته برام مبهم مونده. اونم اینه که وقتی از svmpredict استفاده میکنیم چرا باید برای داده های test لیبل یا بهتر بگیم کلاس رو مشخص کنیم؟ مگر اینجوری نیست که وقتی ماشین ما آموزش داده میشه، ما داده های تست رو بهش میدیم و اون باید لیبل یا کلاس رو خودش مشخص کنه؟ ممنون میشم پاسخ بدین چون من برای انجام پروژم تو این قسمت گیر کردم.
ایران متلب –
با سلام و احترام
صحبت شما كاملا درست است ما نبايد هدف ورودي تست را به تابع بدهيم و خود تابع وقتي خروجي داد با هدف بردار تست مقايسه شود و راندمان حساب شود.
اما تابع svmpredict همه اين كارها را در دل خود انجام مي دهد. لذا ما بردار هدف تست را هم بهش مي دهيم و اين تابع در خورجي به ما راندمان را نشان مي دهد.
h –
سلام من می خوام از svm به عنوان طبقه بند ضعیف در adaboost استفاده کنم آیا libsvm جواب می دهد ؟
ایران متلب –
سلام
یکی از کتابخانه های معروف برای کار از svm ، کتابخانه libsvm می باشد.
که یکی از مزیت های آن قابلیت استفاده برای چند کلاسه می باشد.
bayat –
سلام من ثبت سفارش کردم در لینک دانلود در ایمیلم کلیک می کنم ولی not found
ایران متلب –
با سلام و احترام
لینک های صحیح برای شما ایمیل شد.
سمیه –
من می خوام برای تشخیص ناهنجاری از ماشین بردار تک کلاسه استفاده کنم و داده های آموزشی من همگی هنجار هستند. این فیلم به دردم می خوره؟
ایران متلب –
سلام
اگر دسته بندی کننده classifier شما ماشین بردار پشتیبان است این فیلم مخصوص شما می باشد.
الهه –
سلام.من از libsvm می خوام در انتخاب ویژگی استفاده کنم.ولی تو این فیلم kfold خیلی کلی توضیح داده شده برای اعتبارسنجی نتونستم استفاده کنم.
ایران متلب –
سلام
اگر می خواهید برای انتخاب ویژگی feature selection استفاده فرمایید. پیشنهاد ما به شما محصول زیر است :
دانلود
h –
سلام خسته نباشید
من هم این آموزش هم آموزش اس وی ام چند کلاس رو گرفتم ولی لینکش خراب هست چیزی هم توی ایمیلم نیومده
ایران متلب –
سلام
ايميلتون دوباره چك بفرماييد.
h –
سلام
این آموزش لینک هاش به ایمیل من نیومده اگر میشه رسیدگی کنید لطفا
یعقوبی –
عالی بود.خیلی ممنون
Yosefi –
با سلام و خسته نباشید
من فیلم libsvm را از شما خریداری کردم. اما به علت اینکه ورژن کد تغییر کرده من نتوانستم دیتا ست vowel را دانلود و استفاده کنم. لطفا اگر امکان دارد این دیتا ست را برایم بفرستید.
با تشکر
ایران متلب –
با سلام و احترام
تمامی دیتاست ها را میتونید از لینک زیر دانلود کنید :
لینک اصلی
بنی طبا –
با سلام تشکر از آموزش خوبتون، من هنگام اجرای برنامه با خطای زیر مواجه میشم
Invalid MEX-file ‘C:\Users\Shahab\Desktop\libsvm-3.21\New folder\svmtrain.mexw64’: The
specified module could not be found.
لطفا راهنمایی فرمایید.خیلی عجله دارم. با تشکر
ایران متلب –
با سلام و احترام
این خطا نشان می دهد که کمپایلر C به خوبی نصب نشده یا اصلا نصب نشده است.
امیر –
سلامی من برای بررسی دید سه بعدی از livsbm استفاده کردم که بتونم نشون بدم رفتار تک نورونی با رفتار شبکه نورونی تفاوت داره. الان باید وزن هر نورون رو در آنالیز svm نشون بدم. یعنی بگم هر نورونی چقدر در جابه جا شدن پرفورنس classifier تاثیر داره. آیا شما راهنما یا فیلمی دارید که به من کمک منه؟
ممنون
حسن اصغري –
سلام
اگر وزن هر نرون تاثیر آن در performance به صورت خطی باشد، شما می تونید هر نرون را یک بار در شبیه سازی در نظر بگیرید و تاثیر آن در خروجی را مورد بررسی قرار دهید. سپس نرون دیگر را در نظر بگیرید. همین کار را برای بقیه نرون ها انجام دهید.
الهام –
سلام من میخوام توی کد libsvm تغییرات بدم. استفاده از libsvm رو کاملا بلدم. می خواستم سوال کنم که این آموزش متن کد رو هم توضیح میده یا فقط نحوه استفاده از libsvm رو آموزش میده؟؟؟
ایران متلب –
با سلام و احترام
کتابخانه libsvm بر اساس زیان C نوشته شده است و برای درک آن نیاز به مهارت بالایی در زبان برنامه نویسی C دارید. ما قصد نداریم در این آموزش زبان برنامه نویسی C را آموزش دهیم. به شما نحوه استفاده از libsvm در یک پروژه متلب را آموزش دادیم.
م کریمی –
سلام
یه سوال:
آیا در libsvm میشه از چندین لیبل برای ردیف داده استفاده کرد؟
حسن اصغري –
سلام
مزیت libsvm به توابع دیگر ساخت ماشین بردار پشتیبان در همین چند کلاسی بودن آن می باشد. منظور شما از ردیف را نگرفتم. ولی اگر منظورتون چندین label برای هر کلاس باشد، دلیل اصلی از libsvm در همین چند کلاسه بودن آن است.
میترا –
سلام vowel.mat برای من نیومده اصلا لطفا بفرستین زود
ایران متلب –
سلام
لیست کاملی از دیتاست ها را می تونید از لینک زیر دانلود کنید :
http://archive.ics.uci.edu/ml/datasets.html?sort=typeUp&view=list
یلدا –
سلام
آیا این فیلم آموزشی شامل نصب کامپایلرها و
Microsoft Windows SDK 7.1
Microsoft Visual C++
هم می شود؟
ایران متلب –
سلام
برای یادگیری نصب می توانید به فیلم آموزشی زیر مراجعه فرمایید.
آموزش نصب کمپایلر سی در متلب
نازی –
سلام، من libsvm رو از سایت https://www.csie.ntu.edu.tw/~cjlin/libsvm/ دانلود کردم، فایل .mat رو هم به متلب import کردم، برای ادامه کار آیا این آموزش به کارم میاد؟
ایران متلب –
سلام
بله. این فیلم آموزشی به شما در نحوه کار و برنامه نویسی کمک می کند.
آناهیتا –
سلام، من فیلم آموزشی رو خریداری کردم، برای قسمت option رگرسیون رو در نظر گرفتم، یعنی s رو برابر با 3 در نظر گرفتم، بعد از run گرفتن عدد اول accuracy صفر میشه، دلیلش چی هست؟
ایران متلب –
سلام
مشخص است دارید ورودی را اشتباه می دهید.
فیلم را با دقت نگاه کنید.