Question

我对libsvm和预先计算的内核的使用有一个奇怪的问题。我把我的数据放在一个字典表格中，以遵循文档（与点ID相关的键0）：

from svmutil import *

x=[]
for i in range(N):
    x[i] = {0:i, 1:K(i,0), 2:K(i,1), ...}
    y[i] = true_labels(i)

）然后，我正在做以下事情来训练svm并得到我的训练错误：

svm_prob = svm_problem(y,x,isKernel=True)
svm_param = svm_parameter('-t 4')
svm_mod = libsvm.svm_train(svm_prob,svm_param)
svm_pymod = toPyModel(svm_mod)

# Estimating training error
p_labels, p_acc, p_val = svm_predict(y,x,svm_pymod)

但最终输出完全不正确，因为值p_val如下所示：

p_val -> [0.xxx, -1.xxx, -2.xxx, -3.xxx, -4.xxx, ...]

（p_labels当然是[-1,-1,-1,...,]）

我的分析：我知道我的内核K(i,j)的值远远低于1，所以我认为伪特征(0:i)已被libsvm用作某个点（可能在预测阶段）作为正常特征（而不是点ID）。我尝试了几种变体，但我无法解决这个问题。

提前感谢您对我的代码提供任何帮助或评论，

Answer 1

错误实际上非常明显，但我保留了帖子并在此处回答：点ID必须从1开始，而不是0。低级别函数libsvm.svm_train不会检查此问题并使用此错误设置解决问题。

应该使用svmutil函数“svm_train”，在这种情况下显示错误。

一旦纠正了此起始索引，分类器似乎正常工作。

Libsvm和Python：预先计算的内核使用我的点id作为常规功能？

1 个答案: