Question

我在Matlab中使用libsvm，在训练和预测过程中使用选项'-b 1'。但它总是返回Model does not support probabiliy estimates，所以我没有得到任何概率或准确度估计。我试过二进制类SVM（不是nu-svm！），它应该与'-b 1'一起工作，但事实并非如此。有谁知道这个问题的原因是什么？

由于

Answer 1

实际上，您的问题需要更多信息才能得到正确的答案。但一般来说，给出错误的部分在源代码中：

try 
        {
            BufferedReader input = new BufferedReader(new FileReader(argv[i]));
            DataOutputStream output = new DataOutputStream(new BufferedOutputStream(new FileOutputStream(argv[i+2])));
            svm_model model = svm.svm_load_model(argv[i+1]);
            if(predict_probability == 1)
            {
                if(svm.svm_check_probability_model(model)==0)
                {
                    System.err.print("Model does not support probabiliy estimates\n");
                    System.exit(1);
                }
            }
            else
            {
                if(svm.svm_check_probability_model(model)!=0)
                {
                    System.out.print("Model supports probability estimates, but disabled in prediction.\n");
                }
            }
            predict(input,output,model,predict_probability);
            input.close();
            output.close();
        } 
        catch(FileNotFoundException e) 
        {
            exit_with_help();
        }
        catch(ArrayIndexOutOfBoundsException e) 
        {
            exit_with_help();
        }
    }

这意味着它没有找到概率模型。

Answer 2

让我向您展示 svm-predict ：

用法：svm-predict [options] test_file model_file output_file   选项：

-b probability_estimates：是否预测概率估计，0或1（默认为0）;对于单类SVM，仅支持0

-q：安静模式（无输出）

的 SVM-列车：

用法：svm-train [options] training_set_file [model_file]选项：

-s svm_type : set type of SVM (default 0)

0 - C-SVC（多级分类）

1 - nu-SVC（多级分类）

2 - 一类SVM

3 - epsilon-SVR（回归）4 - nu-SVR（回归）

-t kernel_type：设置内核函数的类型（默认为2）
  0 - 线性：u＆＃39; v 1 - 多项式：（gamma u＆＃39; v + coef0）^度
  2 - 径向基函数：exp（-gamma | u-v | ^ 2）
  3 - sigmoid：tanh（gamma * u＆＃39; * v + coef0）

4 - 预先计算的内核（training_set_file中的内核值）

-d degree：设置内核函数的度数（默认为3）

-g gamma：在内核函数中设置gamma（默认值为1 / num_features）

-r coef0：在内核函数中设置coef0（默认为0）

-c cost：设置C-SVC，epsilon-SVR和nu-SVR的参数C（默认为1）

-n nu：设置nu-SVC，one-class SVM和nu-SVR的参数nu（默认为0.5）

-p epsilon：将epsilon设置为epsilon-SVR的损失函数（默认为0.1）

-m cachesize：以MB为单位设置缓存大小（默认为100）

-e epsilon：设置终止标准的容差（默认值为0.001）

-h收缩：是否使用收缩启发式，0或1（默认为1）

-b probability_estimates：是否训练SVC或SVR模型进行概率估计，0或1（默认为0）

-wi weight：将类i的参数C设置为weight * C，对于C-SVC（默认为1）

-v n：n倍交叉验证模式

-q：安静模式（无输出）

我们可以看到最后的第四行是-b选项。如果我们使用＆＃39; -b 1＆＃39;选项，我们将获得一个可以在您尝试预测时输出概率的模型。否则，如果您只使用＆＃39; -b 1＆＃39;当您尝试使用＆＃39; -b 1＆＃39;来预测并且不生成模型时的选项。你会得到错误：模型不支持概率估计

主要的是，如果你想获得可能的估计，你应该使用＆＃39; -b 1 ＆＃39;在训练和测试过程中，两者都是。

模型不支持libsvm中的概率估计

2 个答案: