树莓派上跑得动的机器学习算法

手手挤挤

一、介绍
这个帖子的原因在于，在比赛作品设计的过程中，有需要用到识别算法，但是树莓派的运算能力确实是有限，像神经网络，层数多了、数据量大了，根本就无法在短时间内完成计算，但是机器学习的一些算法还是能跑得动的，我在设计作品的过程中用到了支持向量机，他大概的原理如图所示，通过找到分类函数将两个不同的类分开。


为了求得这个分界面函数，中间的数学推导有涉及对偶、拉格朗日乘法求极值等系列运算。

进一步的，而现实中分类器往往不是一条线就能实现的，那么为了拟合出这个曲面，从而引入了核函数，比如上图中的直线也是一种核函数。


二、使用
从SVM中下载到源码，编译，树莓派用最多还是python，因此，我使用了其python的接口，并将编译好的文件放到网站上

libsvm-3.22.rar (51.15 KB, 下载次数: 14)

2018-1-9 20:37 上传

点击文件名下载附件

python使用svm分成三个步骤，采集数据、训练模型、预测
假设我们已经有了数据了，采用svmtrain进行训练，并保存模型，预测时，采用生成的模型进行预测。

1. from svmutil import *
   
2. y, x = svm_read_problem('../heart_scale')
   
3. m = svm_train(y[:200], x[:200], '-c 4')
   
4. svm_save_model('model_file', m)
   
5. p_label, p_acc, p_val = svm_predict(y[200:], x[200:], m)

复制代码

运行的结果如下，准确率84.2857%，有点低，因为我没有调节参数。

调参，主要是train中的'-c 4'这个参数，一般情况下都会使用RBF核，并调节c g两个参数，调参可以现在电脑上用matlab进行网格寻优、或者PSO寻优，把训练好的参数记下，然后利用这两个参数来训练树莓派上的模型。
那么模型长啥样的的？模型开始会说明使用的核，以及核的参数，从图中可以看出这是个二分类的问题，因此标签是1和-1两种

后期，将利用这个数学模型和数据进行模型训练得到

zcchinese

感谢分享，非常给力

Chen-380452

感谢分享!!!!