CvSVM 回归只预测整数

Posted 2023-03-12

【中文标题】CvSVM 回归只预测整数

【英文标题】：CvSVM regression only predicts integers

【发布时间】：2014-09-08 23:18:57

【问题描述】：

我正在尝试使用 this 手动标记的数据库来熟悉 CvSVM，该数据库包含 590 张图像，从 0-5 分级（0 表示模糊，5 表示完美）。如果等级 =3，我将其标记为 1（清晰）。

对于功能，我只是使用五种不同的通用指标进行模糊评估。每个都通过它们在训练数据中的均值和标准差进行标准化。同样的训练均值和标准差也用于标准化测试数据。

出于某种原因，我的 SVM 只能预测整数。我已经检查了 int casts 和其他愚蠢的错误，但无法弄清楚。我意识到我的特征可能不是很健壮，因为不同图像之间存在很大差异（标准化不是很有帮助，因为标准化测试特征的范围最终大于训练特征的范围），但仍然我觉得我应该得到一些小数预测，即使它们不准确。

培训：

// data format is [ img1 grade feature1 feature2 ... feature5, img2... ]
void train_svm(CvSVM& svm, const Mat& data)

    CvSVMParams params;
    params.svm_type         = CvSVM::EPS_SVR;
    params.kernel_type      = CvSVM::RBF;
    params.term_crit        = cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, (int)1e8, FLT_EPSILON);

    CvParamGrid Cgrid(.01, 100, exp(1));
    CvParamGrid gammaGrid(.01, 10, exp(.05));
    CvParamGrid pGrid(.01, 1.8, exp(.01));

    params.C        = Cgrid.min_val;
    params.gamma    = gammaGrid.min_val;
    params.p        = pGrid.min_val;

    // split features from grades
    Mat features  = data.colRange(2, data.cols);
    Mat grades    = data.colRange(1, 2);

    try
    
        svm.train_auto(features, grades, Mat(), Mat(), params, 10,
                       Cgrid,
                       gammaGrid,
                       pGrid,
                       CvSVM::get_default_grid(CvSVM::NU),
                       CvSVM::get_default_grid(CvSVM::COEF),
                       CvSVM::get_default_grid(CvSVM::DEGREE),
                       false);
    
    catch (Exception e)
    
        params = svm.get_params();
        qDebug() << params.C << params.gamma << params.p;
    
    params = svm.get_params();

    svm.train(features, grades, Mat(), Mat(), params);

测试：

void test_svm(const CvSVM& svm, const Mat& data)

    Mat features = data.colRange(2, data.cols);
    Mat grades   = data.colRange(1, 2);

    int num_test = features.rows;
    assert(features.rows == grades.rows);

    Mat results(num_test, 1, CV_32FC1);

    svm.predict(features, results);
    qDebug() << "Act\t\tPred";
    for (int i = 0; i < num_test; i++)
    
        float actual = grades.at<float>(i, 0);
        float predicted = results.at<float>(i, 0);
        qDebug() << actual << "\t" << predicted;
    

预测总是 0 或 1。没有小数。

谁能弄清楚我做错了什么？

【参考方案1】：

我认为您将分类 (n>=2) 与回归 (n=2) 混合在一起。基本的 SVM 计算单个超平面来分隔 2 个类。有 2 种概括：要么计算所有类之间的多个超平面（n>2 分类），要么如果你有一个超平面，你可以确定一个新点与该超平面的距离。

但假设您在类 1 和 3 之间有一个超平面，并且有一个点落在边界上。您不能只预测第 2 类，因为它位于第 1 类和第 3 类的边界上。

【讨论】：

好的，假设我通过将所有标签 =3 设置为 1 将标签映射到 n=2 空间。我现在是否能够确定一个新点与 -1 和 1 之间的超平面的距离有多近？

@mavirick：是的，就是这样。实际上，您只有两个类，blurry=0 和 sharp=1，并且您想在两者之间进行回归。

如果我这样做，映射到 blurry=0 和 sharp=1，我仍然只能得到整数作为输出——现在只有 0 或 1。

那是因为您需要将returnDFVal参数设置为true，而predict的向量变体缺少该参数。

【参考方案2】：

像往常一样，答案很简单，我很尴尬。

问题是我一次性将所有测试特征传递给 CvSVM，它对每个样本进行严格分类——因此是整数。来自 CvSVM 文档：

C++: float CvSVM::predict(const CvMat* samples, CvMat* results) const

但是，当单独测试样本时，可以选择将结果作为距边距的距离，即我正在寻找的浮点数：

C++: float CvSVM::predict(const Mat& sample, bool returnDFVal=false ) const

正如文档清楚地解释的那样：

returnDFVal – 指定返回值的类型。如果为 true 并且问题是 2 类分类，则该方法返回决策函数值，即到边缘的有符号距离，否则该函数返回类标签（分类）或估计的函数值（回归）。

使用 returnDFVal=true 单独预测测试样本解决了我的问题。