dlib的dcd trainer的'warm start'选项是不是只有1-class class化？
is the 'warm start' option of dlib's dcd trainer only for 1-class classification?
我正在使用 dlib 的程序，该程序 class 使用 SVM 来处理医学图像。因为图像很大（很多特征，比如 10000 到 100000）并且我使用线性内核，所以听起来 svm_c_linear_dcd_trainer 是一个很好的 class 使用。
我喜欢 svm_c_linear_dcd_trainer class 的另一个原因是它声称支持 'warm starting'，因此如果经常从样本中添加单个观察值 to/subtracted (例如在 LOOCV 中）对于长向量是有效的。
但是 svm_c_linear_dcd_trainer 的唯一示例使用 one_class class化。文档建议实现热启动的 force_last_weight_to_1 选项仅适用于 1-class classification。
这是真的吗，即此热启动选项是否不适用于二进制 class化？在那种情况下，另一个实现会更快吗？
这不是限制。您是否阅读了 class 的文档？ http://dlib.net/dlib/svm/svm_c_linear_dcd_trainer_abstract.h.html#svm_c_linear_dcd_trainer dlib 的文档中哪里说热启动仅限于一次 class classification。据我所见，svm_c_linear_dcd_trainer 的文档甚至没有提到 class class 化。
我正在使用 dlib 的程序，该程序 class 使用 SVM 来处理医学图像。因为图像很大（很多特征，比如 10000 到 100000）并且我使用线性内核，所以听起来 svm_c_linear_dcd_trainer 是一个很好的 class 使用。
我喜欢 svm_c_linear_dcd_trainer class 的另一个原因是它声称支持 'warm starting'，因此如果经常从样本中添加单个观察值 to/subtracted (例如在 LOOCV 中）对于长向量是有效的。
但是 svm_c_linear_dcd_trainer 的唯一示例使用 one_class class化。文档建议实现热启动的 force_last_weight_to_1 选项仅适用于 1-class classification。
这是真的吗，即此热启动选项是否不适用于二进制 class化？在那种情况下，另一个实现会更快吗？
这不是限制。您是否阅读了 class 的文档？ http://dlib.net/dlib/svm/svm_c_linear_dcd_trainer_abstract.h.html#svm_c_linear_dcd_trainer dlib 的文档中哪里说热启动仅限于一次 class classification。据我所见，svm_c_linear_dcd_trainer 的文档甚至没有提到 class class 化。