matlab - 转置训练集是否会影响 SVM 的结果

Question

我正在研究人类年龄分类，我必须将数据分为两类，即 Young和Old 。作为分类器，我使用 SVM这就是我到目前为止所做的准备数据的操作:

1. TrainingSet它的大小是 (11264, 284) :其中每列对应于 observation (一个人)。这意味着我有 284 个人用于训练任务和 11264 个特征。
2. TestSet格式也为 TrainingSet .
3. Groups (labels) 是一个矩阵 Groups(284, 1)，其中 Olds 用 (1) 填充和 (-1) 为 Youngs .

4. 我训练过SVM使用matlab内置函数获得`SvmStruct'。

   SvmStruct = svmtrain(TrainingSet, Groups')
   

5. 然后我介绍TestSet使用这个matlab函数以获得分类结果。

   SvmClassify = svmclassify(SvmStruct, TestSet)
   

在我查看了matlab之后帮助SVM我推断数据必须引入SVM分类器的方式是 TrainingSet 的每一行对应于Observation (在我的例子中是一个人)，每一列对应一个特征。所以到目前为止我所做的是转置这些矩阵( TrainingSet 和 TestSet )。 难道是我做错了，得到的结果都是错的吗？

Answer 1

我查看了 svmtrain 的源代码，如果组数与行数不匹配，它会转置训练数据(svmtrain.m，行249 ff，MATLAB 2015b):

% make sure data is the right size
if size(training,1) ~= size(groupIndex,1)
    if size(training,2) == size(groupIndex,1)
        training = training';
    else
        error(message('stats:svmtrain:DataGroupSizeMismatch'))
    end
end

所以不，你的训练结果没有错。

但是，svmclassify 不会转置测试数据，它仅检查正确数量的特征(svmclassify.m，第 63 行以下):

if size(sample,2)~=size(svmStruct.SupportVectors,2)
    error(message('stats:svmclassify:TestSizeMismatch'));
end

所以这应该会触发错误(sample 是您的TestSet)。