classify_class_svmT_classify_class_svmClassifyClassSvmClassifyClassSvmclassify_class_svm分类类支持向量机（算子）
名称
classify_class_svmT_classify_class_svmClassifyClassSvmClassifyClassSvmclassify_class_svm — 通过支持向量机对特征向量进行分类。
签名
def classify_class_svm(svmhandle: HHandle, features: Sequence[float], num: Sequence[int]) -> Sequence[int]
def classify_class_svm_s(svmhandle: HHandle, features: Sequence[float], num: Sequence[int]) -> int
描述
classify_class_svmclassify_class_svmClassifyClassSvmClassifyClassSvmClassifyClassSvmclassify_class_svm 计算特征向量 FeaturesFeaturesFeaturesFeaturesfeaturesfeatures 使用 SVMHandleSVMHandleSVMHandleSVMHandleSVMHandlesvmhandle
实现的支持向量机（SVM）所能识别的最佳 NumNumNumNumnumnum 个类别，并将结果存储在 ClassClassClassClassclassValclass 中。若分类器在 ModeModeModeModemodemode = 'one-versus-one'"one-versus-one""one-versus-one""one-versus-one""one-versus-one""one-versus-one" 模式下创建，则类别按子分类器的投票数排序。若采用
ModeModeModeModemodemode = 'one-versus-all'"one-versus-all""one-versus-all""one-versus-all""one-versus-all""one-versus-all" 模式，则按各子分类器的数值排序（详见 create_class_svmcreate_class_svmCreateClassSvmCreateClassSvmCreateClassSvmcreate_class_svm）。若分类器在 ModeModeModeModemodemode =
'novelty-detection'"novelty-detection""novelty-detection""novelty-detection""novelty-detection""novelty-detection" 模式下创建，则判定特征向量是否与训练数据同类（ClassClassClassClassclassValclass = 1）或视为异常值（ClassClassClassClassclassValclass = 0）。此时 NumNumNumNumnumnum 必须设为 1，因分类器仅判定归属关系。
在调用 classify_class_svmclassify_class_svmClassifyClassSvmClassifyClassSvmClassifyClassSvmclassify_class_svm 之前，必须使用 train_class_svmtrain_class_svmTrainClassSvmTrainClassSvmTrainClassSvmtrain_class_svm 对支持向量机进行训练。
执行信息
- 多线程类型：可重入（与非独占算子并行运行）。
- 多线程作用域：全局（可从任何线程调用）。
- 未采用并行化处理。
参数
SVMHandleSVMHandleSVMHandleSVMHandleSVMHandlesvmhandle (输入控制) class_svm → HClassSvm, HTupleHHandleHTupleHtuple (handle) (IntPtr) (HHandle) (handle)
SVM 句柄。
FeaturesFeaturesFeaturesFeaturesfeaturesfeatures (输入控制) real-array → HTupleSequence[float]HTupleHtuple (real) (double) (double) (double)
特征向量。
NumNumNumNumnumnum (输入控制) integer-array → HTupleSequence[int]HTupleHtuple (integer) (int / long) (Hlong) (Hlong)
需确定的最佳类别数量。
默认值：
1
建议值：
1, 2, 3, 4, 5
ClassClassClassClassclassValclass (输出控制) integer(-array) → HTupleSequence[int]HTupleHtuple (integer) (int / long) (Hlong) (Hlong)
使用 SVM 对特征向量进行分类的结果。
结果
如果参数有效，算子 classify_class_svmclassify_class_svmClassifyClassSvmClassifyClassSvmClassifyClassSvmclassify_class_svm 返回值 2 (H_MSG_TRUE)。如有必要，则抛出异常。
可能的前趋
train_class_svmtrain_class_svmTrainClassSvmTrainClassSvmTrainClassSvmtrain_class_svm,
read_class_svmread_class_svmReadClassSvmReadClassSvmReadClassSvmread_class_svm
替代
apply_dl_classifierapply_dl_classifierApplyDlClassifierApplyDlClassifierApplyDlClassifierapply_dl_classifier
另见
create_class_svmcreate_class_svmCreateClassSvmCreateClassSvmCreateClassSvmcreate_class_svm
参考文献
John Shawe-Taylor, Nello Cristianini: “Kernel Methods for Pattern
Analysis”; Cambridge University Press, Cambridge; 2004.
Bernhard Schölkopf, Alexander J.Smola: “Learning with Kernels”;
MIT Press, London; 1999.
模块
基础