如何解决是否有任何工具可用于可视化经过训练的 libsvm 模型?
目前,我有一个经过训练的 c_svc
类型的 libsvm 模型,我正在尝试找到一些可视化该模型的方法。为清楚起见,我添加了我训练的 libsvm 模型的小样本:
svm_type c_svc
kernel_type rbf
gamma 28.57
nr_class 2
total_sv 280
rho 1.13665
label 0 1
nr_sv 140 140
SV
602.3327691758202 1:1 2:1 3:1 4:0.28235294 5:0.25225225 6:0.28787879 9:0.5 11:1
0.9875971090375856 1:1 2:1 3:1 4:0.34117647 5:0.37837838 6:0.3030303 11:1
602.3327691758202 1:1 2:1 3:1 4:0.43529412 5:0.44144144 6:0.31060606 9:0.5 11:1
602.3327691758202 1:1 2:1 3:1 4:0.29411765 5:0.48648649 6:0.32575758 9:0.5 11:1
35.4934765734189 1:1 2:1 3:1 4:0.48235294 5:0.27927928 6:0.31818182 9:0.5 11:1
-421.2010231501778 1:1 2:1 3:1 4:0.43529412 5:0.48648649 6:0.31818182 9:0.5
-601.8327691758202 2:1 3:1 4:0.23529412 5:0.16216216 6:0.3030303 9:0.5 11:1
-601.8327691758202 1:1 2:1 3:1 4:0.6 5:0.65765766 6:0.32575758 9:0.5 11:1
-601.8327691758202 4:0.23315508 5:0.31122031 6:0.30722892 9:0.5 10:1 12:1
现在,这个经过训练的模型适用于所选输入的二元分类。但是,我在生成一些定量衡量我们对 0/1 结果标签的信心时遇到了困难。此外,尚不清楚 1 到 11 之间的所选输入中哪个对结果标签的影响最大。
因此,我试图找到一些工具来可视化给定的 libsvm 模型。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。