使用由SvmPerf或LibLinear训练的模型

Question

我正在Node.js中编写一个机器学习程序，我想使用Node.js中没有的库，如LibLinear和SvmPerf。因此，对于培训，我只是创建一个包含训练样本的文件，并在该文件上执行SvmPerf二进制文件。我也可以对分类做同样的事情，但是，由于分类比训练发生得多，这可能太慢了。

所以我想到了一种不同的方法：因为S​​VM中的分类（带有线性内核）只是模型权重与输入特征值的内积，我只需读取SvmPerf模型文件，解析它和将权重保存在内存中，然后在Node.js中自己进行分类。

这种做法是否正确？我是否可以通过计算SvmPerf / LibLinear创建的模型与输入样本之间的内积来确实进行分类？

Answer 1

简短的回答是是。在二进制线性情况下，您只需要检索w超平面的坐标和b参数，为新点<w,x>-b计算x并返回结果的标志。在多标签分类的情况下，您将不得不根据使用的库方法实施某种投票方案（1对所有或1对1）。

大多数库不存储w参数，而是存储支持向量列表sv_i以及相应的“权重”slpha_i y_i（通常为每个向量一个数字） 。要检索w参数，您必须计算w = sum_i alpha_i y_i sv_i。 b变量有时称为intercept

Answer 2

让我为lejlot的优秀答案添加一些内容：

• 如果您使用LIBSVM或任何其他带有线性内核的SVM库，那么lejlot所说的是完全正确的：您需要将SVM模型（支持向量和拉格朗日乘数）转换为w。
• 在OP感兴趣的情况下，他正在使用LIBLINEAR（不是SVM库）。 LIBLINEAR自动生成w。他只需要从模型中提取它并将其添加到他的Javascript程序
• 只有在训练LIBLINEAR中的分类器时使用-b 1才需要关于b的部分。他会在w中获得一个额外的维度，并且他需要在分类之前将1加到他的数据上。