ecliptic

الگوریتم SVM مناسب طبقه بندی چند کلاس مختلف در دو باند به زبان پایتون

تومان8,000.00

زبان: پایتون

سطح برنامه نویسی: متوسط

مناسب برای جدا سازی چندین کلاس در چندین نوع ویژگی مختلف در دوباند رادیومتریک

توضیحات

الگوریتم SVM یا ماشین بردار پشتیبان، از الگوریتم های نظارت شده که هم برای رگرسیون هم برای طبقه بندی مورد استفاده قرار می گیرند. در این اسکریپت مقادیر dn مربوط به هر کلاس در دو باند به الگوریتم وارد می شود(80درصد آموزش- 20 درصد تست محسوب می گردند) و سپس توسط چهار کرنل مختلف مدل سازی می شوند و سپس توسط داده های تست آزمایش می شوند و مقادیر ماتریس در هم ریختگی در فایل خروجی چاپ می گردد. سپس نمودار هر کدام رسم می گردد و در قسمت Predictor مقادیر توسط هر مدل که در کد ها انتخاب شود می تواند پیشبینی را انجام دهد.

شما می توانید در این اسکریپت از داده های هایپراسپکترال که توسط pca یا سایر الگوریتم هایی که کاهش بعد داده اند(به دو بعد) به عنوان دیتای اولیه الگوریتم SVM استفاده نمایید.

 مشخصات استفاده

ورژن پایتون: 3.7 

سطح فنی لازم برای درک اسکریپت: متوسط (توانایی کار با i/o ها را باید داشته باشد)

لینک آموزش الگوریتم در سایت مدیوم

مشخصات فنی اسکریپت الگوریتم SVM

تعداد کرنل: 4

نوع کرنل ها:

  1. Radial basis function
  2. Polynomial (degree 3) درجه پولی نومیال می تواند تغییر کند
  3. Sigmoied
  4. linear

فرمت ورودی: csv.

کتابخانه های لازم:

  1. numpy
  2. pandas
  3. matplotlib.pyplot
  4. colorama
  5. sklearn
  6. warnings

لازم است فایل دیتای اولیه مانند خود مختویات فایل به صورت ستونی و به ترتیب band1 و band2 وClass در فایل Database.csv  چیده شود.

فایل Topredict فایل حاوی دیتا برای پیشبنی است که لازن است حتما در دو باند چیده شود.

اطلاعات بیشتر

زبان

پایتون

ورژن پایتون

3.7 به بالا

سطح فنی لازم برای درک اسکریپت

متوسط

رمز فایل

ecliptic.ir با www

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “الگوریتم SVM مناسب طبقه بندی چند کلاس مختلف در دو باند به زبان پایتون”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *