使用 libsvm 进行一类分类
Posted
技术标签:
【中文标题】使用 libsvm 进行一类分类【英文标题】:One class classification with libsvm 【发布时间】:2014-04-07 07:24:05 【问题描述】:快速回顾一下我想做的事情,我想确定一篇文章是否由同一作者撰写。因此我使用一类分类。 在我的训练集(18 个样本)中,它看起来像这样(为了简化,我使用 x 作为数据值):
1 1:x 2:x "until" 200:x
1 1:x 2:x "until" 200:x
在我的测试集(3 个样本)中,它看起来像这样(为了简化,我使用 y 作为数据值):
1 1:y 2:y "until" 200:y
对于数据准备(训练和测试集),我将缩放上限和下限设置为+1/-1
-l -1 -u 1
对于训练,我使用 svm_type 是一类 svm,内核类型是 Sigmoid。然而准确率是0%
optimization finished, #iter = 13
obj = 22.901769047004553, rho = 5.476401914859387
nSV = 11, nBSV = 6
Accuracy = 0.0% (0/21) (classification)
谁能告诉我我在这里做错了什么?
【问题讨论】:
【参考方案1】:您需要调整参数。
nu
是训练错误分数的上限和支持向量分数的下限。通过这样的设置,基本上可以拒绝数据量nu
(例如0.01表示1%)并标记为异常值。
同时尝试调整 Sigmoid 内核中的 gamma
和 coef0
值。
虽然它可能不是导致你的训练精度为零的直接因素,但我建议你自己缩放数据而不是 libsvm 的最大最小缩放,检查standard scaling。
x_mean = mean(x);
x_std = std(x);
x = (x - x_mean)./x_std;
然后使用相同的x_mean
和x_std
值来扩展您的测试数据。
【讨论】:
谢谢,我试试看!以上是关于使用 libsvm 进行一类分类的主要内容,如果未能解决你的问题,请参考以下文章