| 查看: 604 | 回复: 1 | |||
[求助]
支持向量机样本问题 LIB-SVM 已有1人参与
|
|
现在在用LIB-SVM计算一个土质边坡的稳定性问题 即通过对已知的土质边坡样本训练，对样本中的稳定和不稳定边坡进行分类，最后对我需要预测的边坡进行稳定性分类。 样本为已知的一些边坡的土体力学参数 但是由于训练样本中有土质和岩质边坡，但是我需要预测的样本为土质边坡 所以老板的意思是这里的岩质样本会不会对我的预测产生影响，要我把岩质边坡的样本去掉 但是我把岩质样本去掉以后，预测的准确度下降了很多，检验样本本来是100%，去掉岩质边坡后只有50%了 但是老板的意思是岩质边坡对样本的影响 我也不知道岩质样本对我的预测会不会产生不好的结果，因为岩质边坡和土质边坡在破坏机理上是不同的 现在的问题是要怎么从支持向量机原理上说服老板加岩质边坡对预测不会产生不好的结果 因为其他论文都是岩质和土质边坡一起训练，所以我认为这不会产生一个不好的影响 而且最后的计算结果也证明这一点 望大家能从支持向量机原理上来解答我的疑问 即支持向量机原理上对样本的要求是怎样的 如果有岩土的同学，也希望从岩土知识上解答我的疑问，谢谢 |
回复此楼» 猜你喜欢
基金申请
已经有44人回复
-
CSC与新西兰维多利亚大学PhD奖学金项目
已经有0人回复
-
物理学I论文润色/翻译怎么收费?
已经有264人回复
-
新西兰Robinson研究所 招聘CSC公派访问人员
已经有0人回复
-
帮我的英语口语老师找学生
已经有0人回复
-
什么时候开奖？
已经有13人回复
-
散金币祈福
已经有94人回复
-
青基已中
已经有1人回复
-
散金币祈福
已经有185人回复
-
求助，如何提取ELK的rt-TDDFT在某一时刻的自旋密度分布和电子密度分布
已经有1人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- 支持向量机分类精度和样本数量大小的关系
已经有14人回复
- lib-svm工具箱安装
已经有5人回复
- 请教ENVI 的支持向量机（SVM）分类方法
已经有7人回复
- 支持向量机SVMLIB中关于所用SMO算法的理论详解
已经有71人回复
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★
zesonyao: 金币+10, ★有帮助, 谢谢，现在已经把岩质边坡去掉了，留下一些重度在25以下的边坡数据，因为我用的是LIB SVM对向量机的编程也不太懂，完全是用这个工具，谢谢 2015-04-17 22:06:52
zesonyao: 金币+10, ★有帮助, 谢谢，现在已经把岩质边坡去掉了，留下一些重度在25以下的边坡数据，因为我用的是LIB SVM对向量机的编程也不太懂，完全是用这个工具，谢谢 2015-04-17 22:06:52
|
我认为这类“数据驱动建模”，在具体细节上可以不必细究，堆一些数据就是，呵呵，“但是我把岩质样本去掉以后，预测的准确度下降了很多，检验样本本来是100%，去掉岩质边坡后只有50%了”，可能你训练样本中的土质边坡过少，或者说那几个土质边坡样本不具有代表性，个人觉得，可以不管这个； 本身支持向量机是一类数据驱动建模手段，普遍上认为，该方法适合于小样本，如果精度太差的话，可以考虑通过网格交叉训练、一些智能算法提高一下你的精度，其在岩土方向的工程应用，你可以看下这几篇文章： 1、Li, S. J., Zhao, H. B., & Ru, Z. L. (2012). Deformation prediction of tunnel surrounding rock mass using CPSO-SVM model. Journal of central south university, 19, 3311-3319. 2、谈小龙. (2009). 基于边坡位移监测数据的进化支持向量机预测模型研究. 岩土工程学报, 31(5), 750-755. |
2楼2015-04-05 16:27:18
投票: