喜欢 libsvm 中的一类（python）

Posted 2023-03-13

【中文标题】喜欢 libsvm 中的一类（python）

【英文标题】：Prefer one class in libsvm (python)

【发布时间】：2011-06-13 00:26:27

【问题描述】：

我刚开始在 python 中使用 libsvm 并得到了一些简单的分类。

问题是我正在构建一个人脸检测系统，我想要一个非常低的错误拒绝率。另一方面，支持向量机似乎针对相等的错误拒绝和错误接受进行了优化。我有什么选择？

正如前面所说，我对 libsvm 很陌生，所以请善待。 ;)

【问题讨论】：

不知道确切的语法，但一般情况下，您要做的就是改变阈值的值，较低的阈值会减少错误拒绝

【参考方案1】：

SVM 通常不被认为是一种概率模型，而是一种最大判别模型。因此，根据我对 SVM 的了解，我很难提出您的问题。

此外，libSVM 附带的 Python 绑定性能不是很好，也没有公开 libSVM 的所有选项。

也就是说，如果您愿意查看其他绑定，scikit-learn 的 svm 绑定更丰富，并且公开了一些可能派上用场的参数，例如 weighted classes 或 weighted samples。您可能可以更加强调您不希望错误分类的类。

此外，scikit 的绑定暴露了 posterior classification probability，但在 SVM 的情况下，我相信它依赖于 libSVM 的 hack（因为 SVM 不是概率性的），它重新采样分类以在预测。

【参考方案2】：

我一直在为 libSVM 使用 python 包装器，发现我可以使用边距计算置信度度量...请参阅下面的“predict_values_raw”函数。它返回一个实数值，大的正值表示它是类成员的高置信度，大的负值表示它不是类成员的高置信度；接近零的值表明它对分类没有信心。因此，不要调用“predict”，而是调用“predict_values_raw”并应用低阈值（例如-2）以确保您不会拒绝任何真实面孔

# Begin pseudo-code
import svm as svmlib

prob = svmlib.svm_problem(labels, data)
param = svmlib.svm_parameter(svm_type=svmlib.C_SVC, kernel_type = svmlib.RBF)
model = svmlib.svm_model(prob, param)

# get confidence
self.model.predict_values_raw(sample_to_classify)