我正在寻找用于 LS-SVM 的 Python 包或将普通 SVM 从 scikit-learn 调整为最小二乘支持向量机以解决分类问题的方法。
SVM 的目标是最大化边距，同时温和地惩罚位于边距边界错误一侧的点。使用的函数是二次规划 (OP) 问题。
定义最小二乘成本函数并用等式约束替换不等式约束的 LS-SVM 是线性规划 (LP) 问题。
有没有人尝试过这样的事情并且可以帮助我？
Python：最小二乘支持向量机 (LS-SVM)
信息处理
Python
机器学习
分类
最小二乘
参考实现
2022-01-08 08:52:27
1个回答
有一个名为FukuML的包。
在他们的描述（版本 0.4.1）中，他们写道：
- 支持向量机
- 原始硬边距支持向量机二元分类学习算法
- 双硬边距支持向量机二元分类学习算法
- 多项式核支持向量机二元分类学习算法
- 高斯核支持向量机二元分类学习算法
- 软多项式核支持向量机二元分类学习算法
- 软高斯核支持向量机二值分类学习算法
- 多项式核支持向量机多分类学习算法
- 高斯核支持向量机多分类学习算法
- 软多项式核支持向量机多分类学习算法
- 软高斯核支持向量机多分类学习算法
- 概率支持向量机器学习算法
- 最小二乘支持向量机二元分类学习算法
- 最小二乘支持向量机多分类学习算法
- 支持向量回归学习算法
如您所见，它们具有您所追求的功能。
