svm-predict

最新推荐文章于 2021-11-24 13:04:58 发布

_Axi

最新推荐文章于 2021-11-24 13:04:58 发布

阅读量3.5k

点赞数 2

分类专栏： NYOJ

本文链接：https://blog.youkuaiyun.com/wxm328017574/article/details/80330742

版权

本文深入探讨了支持向量机(SVM)的基本原理及其在预测任务中的应用。通过实例解析，展示了如何使用SVM进行数据分类和回归，并讨论了核函数的选择对模型性能的影响。此外，还介绍了SVM的优缺点以及在实际问题中如何调参优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

using System;
using libsvm;

/* Conversion notes (Andrew Poh):
 * Support Class removed.
 * BinaryWriter.Write() replaced with Write().
 * Removed nested construction of StreamReader.
 */

class svm_predict
{
    private static double atof(System.String s)
    {
        return System.Double.Parse(s);
    }

    private static int atoi(System.String s)
    {
        return System.Int32.Parse(s);
    }

    private static void  predict(System.IO.StreamReader input, System.IO.BinaryWriter output, svm_model model, int predict_probability)
    {
        int correct = 0;
        int total = 0;
        double error = 0;
        double sumv = 0, sumy = 0, sumvv = 0, sumyy = 0, sumvy = 0;

        int svm_type = svm.svm_get_svm_type(model);
        int nr_class = svm.svm_get_nr_class(model);
        int[] labels = new int[nr_class];
        double[] prob_estimates = null;

        if (predict_probability == 1)
        {
            if (svm_type == svm_parameter.EPSILON_SVR || svm_type == svm_parameter.NU_SVR)