Lineargo 数据线性分类器 Lineargo

xuanbao • 934 次点击    
这是一个分享于 的项目,其中的信息可能已经有所发展或是发生改变。
* L2-正规化分类 * L2-SVM线性损耗,L1-SVM线性损耗和logistic回归(LR) * L1-正规化分类(版本1.4) * L2-SVM线性损耗和logistic回归(LR) * L2-支持正规化向量回归(版本1.9) * L2-SVR线性损耗和L1-SVR线性损耗。 安装: 这个软件包依赖LIBLINEAR2.1+和Go 1.6+。请通过自制软件或操作系统上的其他软件包管理器先安装这些: <pre class="brush:cpp ;toolbar: true; auto-links: false;">brew update brew info liblinear # make sure your formula will install version higher than 2.1 brew install liblinear brew info go # make sure version 1.6+ brew install go</pre> 用法: <pre class="brush:cpp ;toolbar: true; auto-links: false;">import linear &#34;github.com/lazywei/lineargo&#34; // ReadLibsvm(filepath string, oneBased bool) (X, y *mat64.Dense) X, y := linear.ReadLibsvm(&#34;heart_scale&#34;, true) // Train(X, y *mat64.Dense, bias float64, solverType int, //  C_, p, eps float64,//  classWeights map[int]float64) (*Model) // Please checkout liblinear&#39;s doc for the explanation for these parameters. model := linear.Train(X, y, -1, linear.L2R_LR, 1.0, 0.1, 0.01, map[int]float64{1: 1, -1: 1}) y_pred:= linear.Predict(model, X) fmt.Println(linear.Accuracy(y, y_pred))</pre>
授权协议:
开发语言:
Google Go 查看源码»
操作系统:
跨平台
934 次点击  
加入收藏 微博
暂无回复
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传