我正在尝试使用LIBSVM实现一个vs rest多类分类。
此链接很有用http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/ovr_multiclass/ 但我在函数'ovrpredict（）'中得到一个错误。
功能如下：
function [pred, ac, decv] = ovrpredict(y, x, model)
labelSet = model.labelSet;
labelSetSize = length(labelSet);
models = model.models;
decv= zeros(size(y, 1), labelSetSize);
for i=1:labelSetSize
[l,a,d] = svmpredict(double(y == labelSet(i)), x, models{i});
decv(:, i) = d * (2 * models{i}.Label(1) - 1); % ERROR IN THIS LINE
end
[tmp,pred] = max(decv, [], 2);
pred = labelSet(pred);
ac = sum(y==pred) / size(x, 1);
我得到的错误消息是Reference to non-existent field 'Label'。
任何建议都会非常有用。
用于调用函数的代码：\
[trainY trainX]=libsvmread('libfacecombine.train');
[testY testX]=libsvmread('libfacetest.train');
model=ovrtrain(trainY,trainX,'-c 8 -g 4');
[~,accuracy,~]=ovrpredict(testY,testX,model);
训练和测试数据即“libfacecombine.train”和“libfacetest.train”是从.csv文件中编写的：
f1=createdabase(f); % where createdatabase is a function to read various images from a folder and arrange into 1D array
[sig1 mn1]=pcam(f1); % where pcam is a function to find 'pca'(sig1) and 'mean'(mn1) of the data
%labelling is done this way:
%Positive class
label=[];
for i=1:length(sig1)
for j=1:1
label(i,j)=+1;
end
end
csvwrite('face1.csv',[label sig1]);
%Negative class
label1=[];
for i=1:length(sig2) % sig2 obtained in same way as sig1
for j=1:1
label1(i,j)=-1;
end
end
csvwrite('face2.csv',[label sig2]);
使用“追加”模式，这两个文件将被连接并转换为.train文件。 测试数据也是如此。
我有5节课。标签如下： 等级1：+1包含来自面部1的4个图像的特征，-1包含来自4个不是面部1的图像（面部2,3,4和5）的特征。第2类：+2包含面部2的4个图像的特征，-2包含4个非面部2的图像（面部1,3,4和5）的特征....类别5：+5包含4个图像的特征面5和-5包含来自4个非面5（面1,2,3和4）的图像的特征。所有这些功能以及标签都按照上面给出的顺序写入.csv文件，然后转换为.train格式。因此我获得了培训文件。
对于测试图像，我拍摄一张脸1的图像并给出其真实标签，即+1，并写入.csv文件，然后转换为.train。因此我获得了测试文件。当我运行程序时，我获得了以下结果：
Accuracy=92%(12/13)classification;
Accuracy=61%(8/13)classification;
Accuracy=100%(13/13)classification;
Accuracy=100%(13/13)classification;
Accuracy=100%(13/13)classification;
Accuracy=100%(13/13)classification;
为什么我只有5个班级才能获得6个准确度值？
答案 0 :(得分：2)
通过互联网找到类似这样的解决方案很棘手，但让我们试一试。这篇文章由问题而不是答案组成。但是，我相信如果你回答所有这些问题，你会发现你的错误而没有进一步的帮助 - 或者至少是那里的90％。
所有这些步骤都适用于调试任何类型的MATLAB程序。
工作区中闲置的旧版本变量可能会使调试变得困难。变量名中的拼写错误可能导致意外使用旧版本。在调试开始时使用clear清除工作区。
我编译了libsvm，添加了ovr_multiclass个插件，我可以成功运行我编写的以下示例脚本：
clear
% random train and test data
trainX = rand(10, 4);
trainY = randi(4, 10, 1);
testX = rand(10, 4);
testY = randi(4, 10, 1);
model=ovrtrain(trainY,trainX,'-c 8 -g 4');
[~,accuracy,~]=ovrpredict(testY,testX,model);
你可以运行它，或者你得到和以前一样的错误？ 这种 最小工作示例 对于调试非常有用。 使用用户生成的小数据可确保错误不会来自意外来源，并有助于缩小原因。
models单元格数组您声明错误发生在此：
decv(:, i) = d * (2 * models{i}.Label(1) - 1); % ERROR IN THIS LINE
该行的关键部分是models{i}.Label(1)。这是一个单元格数组models，并提取i项。这个i项应该是一个结构，名为Label。 Label应该是一个非空数组，从中可以提取第一个元素。 models单元格数组是结构model中的一个字段，它作为第三个参数传递给ovrpredict。
运行上面非常简单的测试脚本后，我在MATLAB命令窗口中运行以下诊断程序：
>> models = model.models
models =
[1x1 struct]
[1x1 struct]
[1x1 struct]
[1x1 struct]
>> models{1}
ans =
Parameters: [5x1 double]
nr_class: 2
totalSV: 6
rho: -1.2122
Label: [2x1 double]
sv_indices: [6x1 double]
ProbA: []
ProbB: []
nSV: [2x1 double]
sv_coef: [6x1 double]
SVs: [6x4 double]
>> models{1}.Label
ans =
0
1
如果你这样做，你会得到相同的结果吗？如果没有，请在编辑问题时将输出发布到这些命令。
如果模型看起来没问题，但仍然出现错误，请在命令窗口中键入错误调试器：
dbstop if error
当MATLAB在函数中遇到错误时，它将暂停并允许您检查所有变量。
再次运行您的程序（或者我的程序，如果您收到我发布的最小工作示例的错误）。发生错误时，程序应暂停。您的命令提示符应从>>更改为K>>。
运行上述步骤以示例model cells数组。然后尝试复制，粘贴和运行在命令窗口中给出错误的代码行。尝试运行它的一小部分，例如models{i}.Label(1)然后2 * models{i}.Label(1) - 1。
键入dbquit以退出调试器，并dbclear if error关闭错误时自动调试。
（另请参阅下面有关错误消息的问题 - 请确保错误实际发生在您认为的位置！）
您使用的是哪个版本的MATLAB？例如R2013a
如果在MATLAB命令行中输入which ovrpredict，您是否看到了预期文件的路径？ （即保存在计算机上的正确路径为ovrpredict.m）
您的ovrpredict.m文件（由which ovrpredict指出）是否包含您在问题中粘贴的内容？你得到的错误表明他们可能是一个微小的差异，例如额外的空间。
答案 1 :(得分：1)
虽然我不确定如何解决这个问题，但我的意见如下：
在ovrtrain中，创建了一个模型，其唯一的附加字段为labelSet。
稍后在overpredict代码中，代码会尝试读出label。
所以，我看到三个选项：
编辑：这部分可能不是解决方案，正如评论中所提到的那样
我没有足够的信息知道哪些适用，但是如果 您可以尝试替换
Label的代码未提供示例 到处都是labelSet。
请注意，如果它是第1点或第3点，则此代码应始终提供错误，并且永远不会正常运行。