Libsvm 和 Python：预计算内核使用我的点 id 作为正常功能？

Posted 2023-03-12

【中文标题】Libsvm 和 Python：预计算内核使用我的点 id 作为正常功能？

【英文标题】：Libsvm and Python : Precomputed Kernels are using my point id as a normal feature?

【发布时间】：2013-06-24 02:18:24

【问题描述】：

我对 libsvm 和预计算内核的使用有一个奇怪的问题。 我已将我的数据放入字典形式以遵循文档（与点 id 关联的键 0）：

from svmutil import *

x=[]
for i in range(N):
    x[i] = 0:i, 1:K(i,0), 2:K(i,1), ...
    y[i] = true_labels(i)

) 然后，我正在执行以下操作来训练 svm 并得到我的训练错误：

svm_prob = svm_problem(y,x,isKernel=True)
svm_param = svm_parameter('-t 4')
svm_mod = libsvm.svm_train(svm_prob,svm_param)
svm_pymod = toPyModel(svm_mod)

# Estimating training error
p_labels, p_acc, p_val = svm_predict(y,x,svm_pymod)

但最终输出完全不正确，因为值 p_val 看起来像：

p_val -> [0.xxx, -1.xxx, -2.xxx, -3.xxx, -4.xxx, ...]

（p_labels 当然是[-1,-1,-1,...,]）

我的分析： 我知道我的内核 K(i,j) 的值远低于 1，所以我认为伪特征 (0:i) 已被 libsvm 在某个时候（可能在预测阶段）用作正常特征（而不是作为点编号）。 我尝试了几种变体，但无法解决此问题。

提前感谢您对我的代码的任何帮助或 cmets，

【参考方案1】：

这个错误实际上很明显，但我保留我的帖子并在这里回答： 点 id 必须从 1 而不是 0 开始。低级函数libsvm.svm_train不检查这个，解决了这个错误设置的问题。

在这种情况下应该使用svmutil 函数“svm_train”来显示错误。

一旦这个起始索引得到纠正，分类器似乎就可以正常工作了。