libsvm：C++ 与 MATLAB：不同的精度有何不同？

Posted 2023-03-12

【中文标题】libsvm：C++ 与 MATLAB：不同的精度有何不同？

【英文标题】：libsvm : C++ vs. MATLAB : What's With The Different Accuracies?

【发布时间】：2013-09-23 17:02:13

【问题描述】：

我有两个包含 5 个标签的多类数据集，一个用于训练，另一个用于交叉验证。这些数据集存储为 .csv 文件，因此它们在本实验中充当对照。

我有一个用于 libsvm 的 C++ 包装器，以及用于 libsvm 的 MATLAB 函数。

对于 C++ 和 MATLAB： 使用带有 RBF 内核的 C 类型 SVM，我迭代了 2 个 C 和 Gamma 值列表。对于每个参数组合，我在训练数据集上进行训练，然后预测交叉验证数据集。我将预测的准确性存储在与产生准确性的 C 和 Gamma 值相关的 2D 地图中。

我已经多次重新创建不同的训练和交叉验证数据集。每次，C++ 和 MATLAB 的精度都不一样；有时很多！大多数情况下，MATLAB 产生更高的精度，但有时 C++ 实现更好。

造成这些差异的原因是什么？我尝试的 C/Gamma 值相同，其余 SVM 参数也相同（默认）。

【参考方案1】：

C 和 Matlab 代码都使用 same svm.c 文件，因此应该没有显着差异。那么可能是什么原因呢？

代码中的实现错误，不幸的是，这是最可能的错误 使用的包装器有一些错误和/或使用其他版本的 libsvm 然后你的 matlab 代码（libsvm 是用纯 C 编写的，并带有 python、Matlab 和 java 包装器，所以你的 C++ 包装器是“非官方的”）或你的包装器假设一些额外的默认值，在 C/Matlab/Python/Java 实现中不是默认值 您以某种随机形式执行交叉验证（将数据打乱然后折叠，这是完全正确和合理的，但会在两次不同的运行中导致不同的结果） 在您的一个（或两个）代码中从 .csv 加载数据期间执行了一些舍入/转换，这会导致不一致（确实不太可能发生，但仍有可能发生）