在 Python 上使用 OpenCV 选择最佳 SVM 内核类型和参数

Question

我正在尝试找到更适合我的数据的 SVM 内核类型和参数。我在 Python 上使用 OpenCV，我找到了函数 cv2.SVM.train_auto 来实现这一点，但我没有找到如何使用它的明确示例。

谁能指导我找到最好的内核，或者给我解释一下如何使用 cv2.SVM.train_auto？

Answer 1

我也在寻找该信息，但您可以查看 digits_adjust.py 示例，它使用 train() 而不是 train_auto() 并展示了如何迭代 C 和gamma 参数以尝试找到最佳组合。

有趣的函数是：

...
def cross_validate(model_class, params, samples, labels, kfold = 3, pool = None):
...
    def adjust_SVM(self):
        Cs = np.logspace(0, 10, 15, base=2)
        gammas = np.logspace(-7, 4, 15, base=2)
...
            params = dict(C = Cs[i], gamma=gammas[j])
            score = cross_validate(SVM, params, samples, labels)
...