训练 SVM 是什么意思

What it mean by Training SVM

我是图像新手 processing.As 我正在做的项目 "image classifier using SVM"。我有我的最终软件的想法 "I select some image and give it as input to my software and it will classify that image .if i give the image of an animal it will classify it to cat or snake suitably"

当我 google 关于 it.it 说 "First you need to train SVM"

训练 SVM 是什么意思?

在我的案例中,SVM 的实际输入是什么(图像分类)?

SVM 只是一个分类器,它如何分类 images.Is 我有必要将图像转换为任何特定格式吗?请帮忙。

支持向量机 (SVM) 是一种用于监督数据 classification 的机器学习模型。 SVM 本质上是学习一个超平面,它将数据 space 分成 2 个区域(在 2 class 的情况下)。在你的例子中,假设你有蛇和猫的图像,你需要 class 化它们。您需要遵循的步骤是

Extract 'features' from the images.

这些 'features' 可能是 snake/cat 在您的情况下的外观函数,例如动物的颜色、动物的形状等。通过连接这些特征,您可以获得多维特征向量.

Train an SVM classifier

训练本质上是学习 snake classcat class[=28= 的特征向量之间的分离超平面] 。例如,如果您的特征向量是二维的,则训​​练 SVM classifier 相当于 'learning' 一条最能分隔您的 labeled-data/training-data 的线。 您可以使用大量免费提供的机器学习库中的任何一个。如果你说 python,你可以使用 sklearn 来完成任务。 这个学习任务(线性 SVM 中的超平面)被称为 training

Classify the images.

一旦你训练你的模型,你就可以使用它class化class未知的图像。

注意:我正在简化这个答案中涉及的很多details/issues。我建议你应该阅读有关 SVM