我有一个多类 svm 分类(6 类)。我想使用 LIBSVM 对它进行分类。以下是我尝试过的方法,我对它们有一些疑问。
方法一(一对一):
model = svmtrain(TrainLabel, TrainVec, '-c 1 -g 0.00154 -b 0.9');
[predict_label, accuracy, dec_values] = svmpredict(TestLabel, TestVec, model);
关于此方法的两个问题:1)对于多类问题我需要做的就是 2) '-b n' 中的 n 应该是什么值。我不确定
方法二(1 vs 其余):
u=unique(TrainLabel);
N=length(u);
if(N>2)
itr=1;
classes=0;
while((classes~=1)&&(itr<=length(u)))
c1=(TrainLabel==u(itr));
newClass=double(c1);
tst = double((TestLabel == itr));
model = svmtrain(newClass, TrainVec, '-c 1 -g 0.00154');
[predict_label, accuracy, dec_values] = svmpredict(tst, TestVec, model);
itr=itr+1;
end
itr=itr-1;
end
对于第二种方法,如何附加分类分数。我无法投票。
除此之外,这是我尝试过的两种方法。哪种方法更好?
想听听一些意见。如果我错了,请纠正我。
最佳答案
关于“-b”参数,在 LIBSVM README 中写道:
-bprobability_estimates:是否训练SVC或SVR模型进行概率估计,0或1(默认0)
因此,如果您希望训练后的模型返回类别概率,则应指定“-b 1”,否则应指定“-b 0”。您只需调用 svmtrain 一次。此外,如果您为训练指定“-b 1”,则还必须为预测指定它。
关于machine-learning - 使用 LIBSVM 的多类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8979531/