Accord.Net Multiclass SVM Исключение DynamicTimeWarping

Я хочу объединить динамическую деформацию времени и svm для использования в качестве классификатора. Я использую Accord .net, но с моим кодом что-то не так, вот мой код:

        double[][] inputs = new double[100][];
        for(int i = 0; i < linesX.Length; i++)
        {
            inputs[i] = Array.ConvertAll(linesX[i].Split(','), Double.Parse);
        }
        int[] outputs = Array.ConvertAll(linesY, s => int.Parse(s));     

        // Create the Sequential Minimal Optimization learning algorithm
        var smo = new MulticlassSupportVectorLearning<DynamicTimeWarping>()
        {
            // Set the parameters of the kernel
            Kernel = new DynamicTimeWarping(alpha: 1, degree: 1)
        };

        // And use it to learn a machine!
        var svm = smo.Learn(inputs, outputs);

        // Now we can compute predicted values
        int[] predicted = svm.Decide(inputs);

        // And check how far we are from the expected values
        double error = new ZeroOneLoss(outputs).Loss(predicted);

Мои входы (100 800), выходы (100,1), в этой строке будет исключение: var svm = smo.Learn(inputs, outputs);Исключение “System.AggregateException” happens in Accord.MachineLearning.dllЧто не так с моим кодом


.net machine-learning c# svm accord.net
person Fan    schedule 11.05.2017    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Пожалуйста, ознакомьтесь с правильной настройкой ЗДЕСЬ. Вы не назначаете свойство Learner.

Вот ваш модифицированный код с некоторыми случайными входными данными:

    static void Main(string[] args)
    {
        Random r = new Random();

        double[][] inputs = new double[10][];
        int[] outputs = new int[10];

        for (int i = 0; i < 10; i++)
        {
            inputs[i] = new double[8];
            for (int j = 0; j < 8; j++)
            {
                inputs[i][j] = r.Next(1, 100);
            }
            outputs[i] = r.Next(1, 6);
        }

        var smo = new MulticlassSupportVectorLearning<DynamicTimeWarping>()
        {
            Learner = (param) => new SequentialMinimalOptimization<DynamicTimeWarping>()
            {
                Kernel = new DynamicTimeWarping(alpha: 1, degree: 1),
            }
        };

        var svm = smo.Learn(inputs, outputs);

        int[] predicted = svm.Decide(inputs);

        double error = new ZeroOneLoss(outputs).Loss(predicted);

        Console.WriteLine();
        Console.WriteLine("output = \n{0}", Matrix.ToString(outputs));
        Console.WriteLine();
        Console.WriteLine("predicted = \n{0}", Matrix.ToString(predicted));
        Console.WriteLine();
        Console.WriteLine("error = {0}", error);
        Console.ReadLine();
    }

Который будет производить что-то вроде этого:

output =
2 3 1 2 1 2 2 3 5 1

predicted =
2 1 1 2 1 2 2 2 2 1

error = 0.3
person jsanalytics    schedule 12.05.2017