在libsvm中训练不平衡数据

Question

我有25个班级，0班级包括所有其他24个班级的所有阴性样本，所以这个班级的样本数量远远大于其他班级（例如10倍大，因为它应该包括所有的阴性样本来自其他24个班级）

现在我的问题是，当我想训练这个数据集时，我该怎么办？

我必须使用libsvm推出的unbalaced培训选项吗？ -w0 1 -w1 ....

我的意思是强制性是否使用此选项？

因为当我训练数据没有这个选项时，它为分离类提供了99.8％的准确度，当我测试这个准确的模型时！对于某些课程，我获得100％的准确性，而对于其他一些课程，我得到0.0％!!!

我的意思是对于某些课程，它不会错过任何样本，但对于另一个课程，它将始终返回0！这意味着它是一个负面样本!!!

我想使用此选项，但我不知道它的规则。我的意思是如何使用此选项为类设置值？

假设每个类中的样本数量为：

0级 - ＆gt; 3433

第1类 - ＆gt; 745

第2类 - ＆gt; 232

第3类 - ＆gt; 53

。 。 。 第23类 - ＆gt; 975

如果我在[0,1]或[-1 1]或（-inf + inf）或者什么之间缩放它们，我应该如何设置每个类的wi？

摘要＆gt;

1）。是否必须为我的数据集使用-wi选项？

2）。我该如何设置此值

由于

Answer 1

无法评论，所以我会把它写成答案：

两个建议：

1. 减少class0的重量
2. 或采用两步法：
   • 结合其他24个班级的所有示例，将它们视为一个班级， 并构建二元分类器
   • 仅针对正面示例构建24路分类器。如果最后一步的分类结果是肯定的，请使用它。

Answer 2

由于每个类都有+ ve和-ve数据，因此应该训练24个二进制分类器。 然后，当您输入测试用例时，如果有多个SVM具有正预测，请选择分类器具有最高输出概率的类。

如果您使用LIBSVM设置多类SVM，则在内部它只会训练多个二进制SVM。因此，自己明确设置24个SVM并不奇怪。

Answer 3

这不是强制性的，取决于您的数据。如果您的课程很容易分开，则没有必要。从没有重量开始，看看confusion matrix。如果你的错误介于拥挤的班级和稀疏班级之间，那么对重量的调整可能有所帮助。