libSVM 有/没有概率的不同结果

Question

我想知道为什么 libSVM 在使用或不使用概率进行预测时会给出不同的准确度结果，并且我在 this page 找到了常见问题解答其中说

Q: Why using svm-predict -b 0 and -b 1 gives different accuracy values?

Let's just consider two-class classification here. After
probability information is obtained in training, we do not have
prob > = 0.5 if and only if decision value >= 0.
So predictions may be different with -b 0 and 1. 

我读了又读了十几遍，但还是不明白。有人可以解释得更清楚吗？

Answer 1

“正常”SVM 模型计算每个给定数据点的决策值，该值基本上是该点与分离超平面的距离。超平面一侧 (dec_value >= 0) 上的所有内容都被预测为 A 类，另一侧 (dec_value < 0) 上的所有内容都被预测为 B 类。

如果您现在计算类别概率，则可能有一个点的决策值为(例如)0.1，这将使其成为 A 类。但是 A 类的概率计算可能为 45%，B 类的概率计算为 55% ，因此算法现在将其预测为 B。

用于计算所述类概率的可能算法在their paper中描述。 ，第 8 节。

有问题的句子

After probability information is obtained in training, we do not have prob > = 0.5 if and only if decision value >= 0. So predictions may be different with -b 0 and 1.

基本上是说“决策值 >= 0 并不意味着 probA > probB，反之亦然。