Question

我正在使用javaML对我的数据进行分类。

我尝试的是：

认为我有两个类别cat1,cat2，所以我这样做Instance：

Instance instance = new SparseInstance();

任何功能在cat1和cat2中都有特定的索引，所以我使用它：

//each instance contains one document
instance.put(index,value);
//for example this instance belongs to cat1 
instance.setClassValue("cat1");
dataSet.add(instance);

因此，其他instance会像dataSet一样添加到testDataSet。

之后我尝试使dataSet与我为分类器创建for (Instance inst : testDataSet) { Object predictedClassValue = classifier.classify(inst); System.out.println(predictedClassValue); }所做的完全相同，这意味着索引相同但值不同

但是当我尝试

时

predictedClassValue

cat1始终为{{1}}

这是如何引起的？如何解决？

Answer 1

我曾经有过同样的问题。具有相同预测的原因是因为您正在训练LIBSVM的数据集，而不是因为您使用的是默认参数。确保每个＆＃34;标签或classValue＆＃34;有相同（或几乎）数量的数据。在您的数据集中。那应该解决它。例如cat1 = 50 INSTANCE，cat2 = 50 INSTANCE

Answer 2

您的svm似乎运行了一些默认参数：

svmClassifier.buildClassifier(dataSet);

这可能导致琐碎的模型（总是回答＆＃34; cat1＆＃34;）。机器学习并不那么简单，你必须调整一些元参数才能实现良好的模型。在SVM的情况下，它应该是C参数和（在RBF /多项式内核的情况下）gamma。换句话说 - 看起来没问题，只需使用默认参数，SVM就会选择构建一个最简单的解决方案。

您似乎也无法规范化您的数据，这也可能是SVM模型的问题。您至少应将每个输入维度缩放到某个区间（例如[-1,1]）。

如果这些都没有帮助，这就意味着你的数据在某种程度上被破坏了（也许你的课程实际上是多元化的？也许这只是＆＃34;与＃34;数据相矛盾？）

javaML分类的结果总是一回事

2 个答案: