libsvm多类分类 - 训练数据的不平衡问题

Question

我在Matlab中使用libsvm来对具有5个类的数据集进行分类。这里的数据是2-D，但我认为不重要。

每个班级的测试数据量是平衡的。对于训练数据，当我为每个班级使用5个训练样本时，分类结果是好的。但是，当我将一个班级（比如2级）的训练数据从5改为10时，分类准确性很差，特别是对于2级。

我使用的代码非常简单：

model = svmtrain2(trainLabels, trainData ); 
[LabelSVM] = svmpredict2(testLabels, testData, model);

这是因为我应该指定svmtrain2中的任何选项吗？或者它是由其他东西引起的？谢谢。

Answer 1

从LIBSVM查看this svm guide。这是一个非常好的介绍 - 更快的解决方案请参阅第1.2节（尽管你最好还是阅读整篇文章，如果你还没有）。

基本上，请确保您已扩展数据（同时进行测试和培训），并且您必须调整内核参数，这些参数可能是C和{ {1}}。

我还认为，如果每个类只有5个数据点，那么性能就不会非常可靠。 SVM很容易过度拟合数据。