缩放 LIBSVM 的测试数据:MATLAB 实现
Posted
技术标签:
【中文标题】缩放 LIBSVM 的测试数据:MATLAB 实现【英文标题】:scaling the testing data for LIBSVM: MATLAB implementation 【发布时间】:2012-04-20 18:35:27 【问题描述】:我目前使用 MATLAB 版本的 LIBSVM 支持向量机来分类我的数据。 LIBSVM 文档提到,在应用 SVM 之前进行缩放非常重要,我们必须使用相同的方法来缩放训练和测试数据。
“相同的缩放方法”解释为:
例如,假设我们将训练数据的第一个属性从[-10, +10]
缩放到[-1, +1]
。如果测试数据的第一个属性在[-11, +8]
范围内,我们必须将测试数据缩放到[-1.1, +0.8]
可以使用以下 MATLAB 代码在 [0,1]
范围内缩放训练数据:
(data - repmat(min(data,[],1),size(data,1),1))*spdiags(1./(max(data,[],1)-min(data,[],1))',0,size(data,2),size(data,2))
但我不知道如何正确缩放测试数据。
非常感谢您的帮助。
【问题讨论】:
我的问题是,如果 [a,b] 范围内的训练数据归一化到 [0,1] 范围内,那么 [c,d] 范围内的测试数据归一化到哪个范围? 【参考方案1】:您给出的代码本质上是减去最小值,然后除以范围。 您需要存储训练数据特征的最小值和范围。
minimums = min(data, [], 1);
ranges = max(data, [], 1) - minimums;
data = (data - repmat(minimums, size(data, 1), 1)) ./ repmat(ranges, size(data, 1), 1);
test_data = (test_data - repmat(minimums, size(test_data, 1), 1)) ./ repmat(ranges, size(test_data, 1), 1);
【讨论】:
@Richante:您的回答非常有用。我只是想澄清一下,这里的“数据”是训练数据,“test_data”是测试数据?? ***.com/questions/43408031/… 很抱歉,您的代码将为所有观察值都具有相同值的列输出 NaN(如果您的数据稀疏,则可能会发生这种情况)。例如,数据 = [1 2 3; 5 2 8; 7 2 100]【参考方案2】:不幸的是,如果存在所有观察值都具有相同值的列(如果数据稀疏,则可能会发生这种情况),Richante 的代码是不正确的。一个例子:
>> data = [1 2 3; 5 2 8; 7 2 100]
data =
1 2 3
5 2 8
7 2 100
>> test_data = [1 2 3; 4 5 6; 7 8 9];
>> minimums = min(data,[],1);
>> ranges = max(data, [], 1) - minimums;
>> data = (data - repmat(minimums, size(data, 1), 1)) ./ repmat(ranges, size(data, 1), 1);
>> data
data =
0 NaN 0
0.6667 NaN 0.0515
1.0000 NaN 1.0000
因此,您必须检查是否存在只有一个值的列。但是如果整个训练集中只有一个值,而测试集中有多个值呢?而我们在Leave-one-out场景下怎么办,测试集中只有一个观察值,那么如果训练集中某一列的所有值都是0,而测试集中对应的值是100 ?这些确实是退化的情况,但它可能会发生。但是,当我检查 Libsvm 库中的文件 svm_scale.c 时,我注意到了这部分:
void output(int index, double value)
/* skip single-valued attribute */
if(feature_max[index] == feature_min[index])
return;
if(value == feature_min[index])
value = lower;
else if(value == feature_max[index])
value = upper;
else
value = lower + (upper-lower) *
(value-feature_min[index])/
(feature_max[index]-feature_min[index]);
if(value != 0)
printf("%d:%g ",index, value);
new_num_nonzeros++;
所以我们应该忽略这些情况吗?我真的不知道。正如我所说,我不是这个问题的权威,所以我将等待另一个答案,最好是来自 Libsvm 的作者自己,以澄清事情......
【讨论】:
以上是关于缩放 LIBSVM 的测试数据:MATLAB 实现的主要内容,如果未能解决你的问题,请参考以下文章
Matlab-libsvm - 从原始权重向量、线性核再现决策值