Liblinear and Libsvm-rank训练数据的bash代码:

for j in  "amazon_mp3" "video_surveillance" "tablets" "mobilephone" "cameras" "TripAdvisor" "chunyu" "Treebank" "MovieReview" "yelp_review" "LargeMovie" "Electronics_5" "Health_and_Personal_Care_5" "Apps_for_Android_5" "Home_and_Kitchen_5"
do
echo -e "SVC bias $j "
./train -s 3 -c 0.03125 -v 5 -B 1 -C $j.train
./predict $j.test $j.train.model SVC1.$j.out.txt
echo -e "SVOR bias $j "
./train -s 8 -c 0.03125 -v 5 -B 1 -m 2 -C $j.train
./predict $j.test $j.train.model SVOR1.$j.out.txt
echo -e "REDSVM bias $j "
./train -s 8 -c 0.03125 -v 5 -B 1 -m 1 -C $j.train
./predict $j.test $j.train.model REDSVM1.$j.out.txt
echo -e "SVMOP bias $j "
./train -s 10 -c 0.03125 -v 5 -B 1 -m 2 -C $j.train
./predict $j.test $j.train.model SVMOP1.$j.out.txt
echo -e "NPSVOR bias $j "
./train -s 9 -c 0.03125 -v 5 -B 1 -C $j.train
./predict $j.test $j.train.model NPSVOR1.$j.out.txt
echo -e "SVR bias $j "
./train -s 13 -c 0.03125 -p 0.1 -B 1 -v 5 -C $j.train
./predict $j.test $j.train.model SVR1.$j.out.txt
done data=("amazon_mp3" "video_surveillance" "tablets" "mobilephone" "cameras" "TripAdvisor" "chunyu" "Treebank" "MovieReview" "yelp_review" "LargeMovie" "Electronics_5" "Health_and_Personal_Care_5" "Apps_for_Android_5" "Home_and_Kitchen_5")
redsvm=(0.5 1 0.5 0.5 1 0.5 2 0.25 8 0.25 0.25 1 0.5 1 1)
svor=(1 1 0.5 0.5 1 0.5 2 2 4 0.25 0.125 1 0.25 1 1)
for k in {0..14}
do
j=${data[$k]}
cr=${redsvm[$k]}
cs=${svor[$k]}
echo -e "SVOR bias $j "
./svm-train -s 6 -t 0 -c $cs $j.train
./svm-predict $j.test $j.train.model SVOR1.$j.out.txt
echo -e "REDSVM bias $j "
./svm-train -s 5 -t 0 -c $cr $j.train
./svm-predict $j.test $j.train.model REDSVM1.$j.out.txt
done

Liblinear and Libsvm-rank训练数据的bash代码的更多相关文章

  1. libsvm的安装,数据格式,常见错误,grid.py参数选择,c-SVC过程,libsvm参数解释,svm训练数据,libsvm的使用详解,SVM核函数的选择

    直接conda install libsvm安装的不完整,缺几个.py文件. 第一种安装方法: 下载:http://www.csie.ntu.edu.tw/~cjlin/cgi-bin/libsvm. ...

  2. 代码备份:处理 SUN397 的代码,将其分为 80% 训练数据 以及 20% 的测试数据

    处理SUN397 的代码,将其分为80% 训练数据以及20% 的测试数据 2016-07-27 1 %% Code for Process SUN397 Scene Classification 2 ...

  3. python numpy 三行代码打乱训练数据

    今天发现一个用 numpy 随机化数组的技巧. 需求 我有两个数组( ndarray ):train_datasets 和 train_labels.其中,train_datasets 的每一行和 t ...

  4. tesnorflow实现N个epoch训练数据读取的办法

    https://blog.csdn.net/lujiandong1/article/details/53991373 方式一:不显示设置读取N个epoch的数据,而是使用循环,每次从训练的文件中随机读 ...

  5. tensorflow读取训练数据方法

    1. 预加载数据 Preloaded data # coding: utf-8 import tensorflow as tf # 设计Graph x1 = tf.constant([2, 3, 4] ...

  6. caffe 中如何打乱训练数据

    第一: 可以选择在将数据转换成lmdb格式时进行打乱: 设置参数--shuffle=1:(表示打乱训练数据) 默认为0,表示忽略,不打乱. 打乱的目的有两个:防止出现过分有规律的数据,导致过拟合或者不 ...

  7. pytorch:EDSR 生成训练数据的方法

    Pytorch:EDSR 生成训练数据的方法 引言 Winter is coming 正文 pytorch提供的DataLoader 是用来包装你的数据的工具. 所以你要将自己的 (numpy arr ...

  8. 迁移学习算法之TrAdaBoost ——本质上是在用不同分布的训练数据,训练出一个分类器

    迁移学习算法之TrAdaBoost from: https://blog.csdn.net/Augster/article/details/53039489 TradaBoost算法由来已久,具体算法 ...

  9. Tensorflow 从文件中载入训练数据

    本节包含: 用纯文本文件准备训练数据 加载文件中的训练数据 一.用纯文本文件准备训练数据 1.数据的数字化 比如,“是” —— “1”,“否” —— “0” “优”,“中”,“差” —— 1 2 3  ...

随机推荐

  1. python tkinter Label

    """小白随笔,大佬勿喷""" #Label标签 用于可显示文本或图片,不可编辑 import tkinter as tk #初始化窗口 w ...

  2. 004-mac下Java6与Java8 安装

    一.Java6安装 官方下载下载地址:http://www.oracle.com/technetwork/java/javasebusiness/downloads/java-archive-down ...

  3. MySQL行转列与列转行

    行转列 例如:把图1转换成图2结果展示 图1 图2 CREATE TABLE `TEST_TB_GRADE` ( `ID` ) NOT NULL AUTO_INCREMENT, `) DEFAULT ...

  4. 文件上传下下载(不包含断点续传) Excel,Word导入导出基础

    1.文件上传下载(MVC应用) 视图:form表单,编码方式为multipart/form-data <body> <div> <form action="/D ...

  5. 解决.NET iis初次加载超级慢

    禁止证书的验证过程:1.在下面aspnet.config文件中加入下面内容:     32位系统:C:\Windows\Microsoft.NET\Framework\v2.0.50727\aspne ...

  6. phpcms内容页替换

    一.浏览次数替换 <script type="text/javascript" src="{JS_PATH}js/jquery-1.11.2.min.js" ...

  7. 压缩图片 Image

    图片压缩 class resizeImg: """缩略图""" def __init__(self,**args): self.args_k ...

  8. 艾妮记账本微信小程序开发(失败版)

    这是一个寒假假期作业,要求是用web开发或者微信小程序或者手机app开发的,我本来是打算用微信小程序开发的,但由于这个后台数据库连接需要通过https认证后的浏览器再访问MySQL.所以做到后台数据库 ...

  9. vue路由1:基本使用

    路由,其实就是指向的意思,当我点击页面上的home按钮时,页面中就要显示home的内容,如果点击页面上的about 按钮,页面中就要显示about 的内容.Home按钮  => home 内容, ...

  10. sqlserver with(nolock)

    所有Select加 With (NoLock)解决阻塞死锁 在查询语句中使用 NOLOCK 和 READPAST 处理一个数据库死锁的异常时候,其中一个建议就是使用 NOLOCK 或者 READPAS ...