Модели SVM обучены OpenCV (.xml) и Scikit-Learn (.pkl) идентичны, если они обучены на одних и тех же данных с теми же па ⇐ Python

[Anonymous]

Я обучаю классификатора Vector Machine (SVM), используя как CV2.ml.svm, так и Scikit-Learn's Sklearn.svm.svm. Я использую одни и те же учебные данные и те же гиперпараметры (c, гамма) в обоих случаях.
Моя цель:
Чтобы оценить, функционально ли идентичны модели, то есть они создают одни и те же прогнозы (или, по крайней мере, сходные результаты функции принятия решения). /> Will .pkl (scikit-learn) и .xml (opencv) модели ведут себя идентично, если обучаются при одинаковых условиях? Уловки, чтобы сделать их оценки решений или вероятности выравнивания (например, сопоставление нормализации или калибровки сигмоида)?

Код: Выделить всё

import cv2
svm = cv2.ml.SVM_create()
svm.setKernel(cv2.ml.SVM_RBF)
svm.setType(cv2.ml.SVM_C_SVC)
svm.setC(10)
svm.setGamma(0.01)
svm.train(X.astype(np.float32), cv2.ml.ROW_SAMPLE, y.astype(np.int32))
svm.save("svm_model_opencv.xml")
< /code>
Обучение с Sk-learn: < /p>
from sklearn.svm import SVC
model = SVC(C=10, gamma=0.01, kernel='rbf', probability=True)
model.fit(X, y)
joblib.dump(model, "svm_model_sklearn.pkl")

Согласно этому, кажется, что модели должны быть статистически равными, хотя и не идентичны.

Подробнее здесь: https://stackoverflow.com/questions/797 ... tical-if-t