颜色分类leetcode random feature maps 快速随机核化特征 高维IDC数据集的支持向量机分类

颜色分类leetcode高维IDC数据集的支持向量机分类关于随机特征图提供低维核近似，从而加速支持向量机的大规模数据集训练。通过k-means聚类降维、随机特征图提升以及随后在该特征空间中的线性SVM分类，我们在高维浸润性导管癌数据集（7500维）上的性能均优于标准高斯核SVM准确性和速度。我们探索应用两个随机图（随机傅立叶特征和随机分箱特征）并试验不同的预处理方法，如k均值聚类、HSV变换和梯度直方图。作者电气与计算机工程系计算机科学系德克萨斯大学奥斯汀分校用法使用python rf.py arg1=value arg2=value ...运行模块，其中参数作为关键字参数传递，由'='连接并用空格分隔。范围默认描述训练0.01要使用的训练图像的百分比测试0.1要使用的测试图像的百分比调光5000特征空间维度克恩错误的使用颜色k均值？克5使用方法数核心G内核类型（“G”、“L”或“C”）火车-25用于培训的患者人数测试25用于测试的患者人数核心8要使用的内