Svm 预测 Scikit Learn 中的默认值

Posted 2023-03-12

【中文标题】Svm 预测 Scikit Learn 中的默认值

【英文标题】：Default value in Svm prediction Scikitlearn

【发布时间】：2018-02-03 00:01:05

【问题描述】：

我正在使用scikitlearn 进行 svm 分类。

我需要一个分类器，当给定的测试项目与任何训练集项目都不匹配时，即当距离非常高时，它会返回默认值。这可能吗？

举例

假设我的训练集是

   X= [[0.5,0.5,2],[4, 4,16],[16, 16,64]]

和标签

y=[0,1,2]

然后我开始训练

clf = svm.SVC()
clf.fit(X, y)

然后我运行预测

clf.predict([-100,-100,-200])

现在我们可以看到测试项目[-100,-100,-200] 离任何训练项目都太远了，在这种情况下，预测将产生[2] 也就是这个项目[16, 16,64]，无论如何要进行它返回其他任何东西（不是来自训练集）？

【问题讨论】：

过于宽泛和非正式。但您可能会要求在 sklearn 中也提供异常值检测/一类 svm。

是的，实际上我只需要判断该项目是否可以与训练集项目之一匹配，我不关心这些值，所以例如我想得到 1匹配，-1 表示不匹配。

【参考方案1】：

我认为您可以为这些大值创建一个标签，并将其添加到您的训练集中。

X= [[0.5,0.5,2],[4, 4,16],[16, 16,64],[-100,-100,200]]
Y=[0,1,2,100]

试一试。

由于 SVM 是监督学习，这意味着必须指定“输出”。如果您不确定“输出”，请进行一些非监督聚类（例如 kmeans），并大致了解您期望有多少可能的“输出”。

【讨论】：

只有当您知道可能的极值时，才能为异常添加标签，例如我可能需要将 [50,50,100] 分类为不匹配，因为它离训练集的任何项目都太远了。我将研究k-means。谢谢你的回答：）