SVM新手 - 对于培训数据，我有160个类别，从少数到多个会员术语和短语不等。有些类别的短语很少，有些则有数百个。
我有很多文本测试数据，具有广泛的主题变化。 我想我想要一个MultiClass，oneVsRest SVM，二元分类器。
1）1类SVM的训练输入应该是一组线 1 feature3：1 feature5：1 ... 对于正面成员资格，其中功能是一个术语/短语 来自班级成员列表 - 二元值是否足够？ 和线 -1 feature1：1 feature2：1 feature4：1 ... 对于known_terms_of_interest字典中其他类的所有成员？
2）测试文档输入是否应该包含在known_terms_of_interest字典中找到的术语？
3）线性正确吗？ - C 1？ 或者因为某些RBF中的术语很少？
似乎示例以预处理文件而非原始文本开头;所以我错过了关键设置放置步骤，因为文档将介绍边距等等。
答案 0 :(得分：0)
1）1类SVM的训练输入应该是一组线 1个feature3：1 feature5：1 ...对于正面会员，其中 feature是类成员列表中的术语/短语 - 是Binary 价值足够吗？和-1的特征1：1 feature2：1 feature4：1 ... 对于词典中其他类的所有成员 known_terms_of_interest？
如果你的“featureX”是一个自然数（你的单词/短语的索引），那么你刚才描述了一组有效的单词表示。这是文本分类最基本的方法，但它应该有效（从某种意义上说 - 它是正确的）
2）测试文档输入是否应该包含在known_terms_of_interest字典中找到的术语？
他们必须只包括在训练阶段看到的单词/短语的特征（如前所述 - 作为索引）。如果你提供前所未见的功能，libsvm将无法运行。
3）线性正确吗？ - C 1？或者因为某些RBF中的术语很少？
对于这样的问题没有答案，内核的类型和C的值（以及RBF的情况下的伽玛）必须使用一些泛化测试技术（如交叉验证）进行拟合。