分类分数：SVM

Posted 2023-03-12

【中文标题】分类分数：SVM

【英文标题】：Classification score: SVM

【发布时间】：2011-09-17 18:25:36

【问题描述】：

我正在使用 libsvm 进行多类分类。如何附加分类分数，以将分类的置信度与给定样本的输出进行比较：

Class 1: score1

Class 2: score2

Class 3: score3

Class 4: score4

【问题讨论】：

我不想要单个类 id 作为分类输出。相反，输出应该是这样的：给定的样本可以分类到类别 1，概率得分为 1。

【参考方案1】：

您可以首先使用 one vs all 方法，并通过在 libSVM 中使用决策值选项将它们视为 2class 分类。这是通过将每个类作为正类，将类的其余部分作为每个分类的负类来完成的。

然后比较结果的决策值对样本进行分类。就像您可以将样本分配给具有最高决策值的类一样。例如，样本 1 的决策值为 0.54，类别 1，类别 2 为 0.64，类别 3 为 0.43，类别 4 为 0.80，则可以将其归为类别 4。

您还可以通过在 libSVM 中使用 -b 选项来使用概率值而不是决策函数值进行分类。

希望这会有所帮助..

【讨论】：

归一化到超平面的距离并不总是能很好地衡量属于某个类别的概率。请参阅 Zadrozny 和 Elkan 的 this paper。

【参考方案2】：

另一种选择是使用 LIBLINEAR 包，它在内部实现了解决多类问题的一对多策略。在 LIBSVM 中，这种实现是基于一对一的策略。