Kollektive Intelligenz analysieren, programmieren und nutzen

Anwenden der SVM auf die Vermittler-Datenmenge

Um LIBSVM mit der Vermittler-Datenmenge zu nutzen, müssen Sie sie in das Listen-Tupel umwandeln, das von svm_model benötigt wird. Das ist eine einfache Transformation aus scaledset – Sie können es direkt in Ihrer Python-Session umsetzen:

>>> answers,inputs=[r.match for r in scaledset],[r.data for r in scaledset]

Erneut nutzen wir die skalierten Daten, um eine Übergewichtung bestimmter Variablen zu vermeiden, wodurch die Leistungsfähigkeit des Algorithmus verbessert wird. Verwenden Sie diese neue Funktion, um die neue Datenmenge zu erstellen und ein Modell mit der Radial-Basisfunktion als Kernel aufzubauen:

>>> param = svm_parameter(kernel_type = RBF)
>>> prob = svm_problem(answers,inputs)
>>> m=svm_model(prob,param) ...