我面临着lib-linear包的一个非常奇怪的问题。 我有两个级别（+ 1，-1）。 假设我只有一个功能，其中n个点的值为$ x_1 $，$ x_2 $，...，$ x_n $。它分类很好，给出一些正重量$ w * $和成本C比如说。 现在如果我将$ 1 $叠加到前一个特征来制作新的特征向量[1 x_i] i = 1,2，...，n;现在有了这个新问题，lib-linear给出了以下内容： 权重向量[w_1 -w_2]; w_i> 0，即1的权重是w_1，而x是w_2。 成本C1比以前的成本C大得多。
据我所知，新功能（1）在整个过程中没有任何变化，因此它的重量应自动为零。
这是一个最小化问题所以它应该给出w_1~0，这样现在成本C1最多等于C.
有人可以帮忙吗？
答案 0 :(得分：0)
由于您有一个恒定的输入维度，它在决策函数中的贡献也将是不变的。 LIBLINEAR的决策功能是
f(x)=sign(w^T*x-rho)
我的猜测是你的新模型通过rho校正额外的术语（由于非零w_1）。我不能说我有一个好主意，为什么w_1没有被最小化为零。两种模型的预测是否相等？