使用 LIBSVM 的多类

Posted 2023-03-12

【中文标题】使用 LIBSVM 的多类

【英文标题】：MultiClass using LIBSVM

【发布时间】：2012-02-17 06:26:56

【问题描述】：

我有一个多类 svm 分类（6 类）。我想使用 LIBSVM 对其进行分类。以下是我尝试过的，我对它们有一些疑问。

方法一（一对一）：

model = svmtrain(TrainLabel, TrainVec, '-c 1 -g 0.00154 -b 0.9');
[predict_label, accuracy, dec_values] = svmpredict(TestLabel, TestVec, model);

关于这个方法的两个问题：1）我需要做的就是解决多类问题 2) '-b n' 中的 n 应该是什么值。我不确定

方法2（一VS休息）：

u=unique(TrainLabel); 
N=length(u); 
if(N>2)    
    itr=1;    
    classes=0;   
    while((classes~=1)&&(itr<=length(u)))   
        c1=(TrainLabel==u(itr));    
        newClass=double(c1); 
        tst = double((TestLabel == itr));
        model = svmtrain(newClass, TrainVec, '-c 1 -g 0.00154');  
        [predict_label, accuracy, dec_values] = svmpredict(tst, TestVec, model);    
        itr=itr+1;   
    end
    itr=itr-1;
end

对于第二种方法，我如何附加分类分数。我无法投票。

除此之外，这是我尝试过的两种方法。哪种方法更好？

想听听一些cmets。如果我错了，请纠正我。

【问题讨论】：

我很好奇你是否在非常不平衡的集合（一些“一”和许多“休息”）的“一与休息”中取得了良好的结果，并且当示例之间存在很多差异时在“休息”中？

【参考方案1】：

关于 '-b' 参数，在 LIBSVM README 中它说：

-b probability_estimates：是否训练SVC或SVR模型进行概率估计，0或1（默认0）

因此，如果您希望经过训练的模型返回类别概率，则应指定“-b 1”，否则应指定“-b 0”。您只需拨打svmtrain 一次。此外，如果您指定 '-b 1' 用于训练，则还必须指定它用于预测。

【讨论】：

你指的是方法1吗？我对吗？这是因为我做的第二种方法是 on one vs rest。这就是为什么我要打几次电话..

是的，我指的是方法1。