使用LIBLINEAR或LIBSVM进行自定义SVM优化

Question

我有一个PU学习任务，我在本文中找到了解决它的特殊算法：https://www.cs.uic.edu/~liub/publications/ICDM-03.pdf

我希望实施第5部分所述的“偏向”SVM的非标准表述。

使用两个 参数C +和C-来衡量正误差和 负面错误不同。

我认为我会在这个问题上使用现有的SVM求解器，不仅可以加快腿部工作，还可以确保最佳的时间复杂度，因为我的特征空间和样本数量都非常大（因此我希望使用LIBLINEAR）。

有没有办法指定上面的自定义丢失函数？

感谢您的帮助。

Answer 1

LIBLINEAR＆＃39; train＆＃39;采用参数-wi weight：＆＃34;权重调整不同类别的参数C＆＃34;。它的实际用途（它需要一个数组？）仍然不清楚，即使在阅读README之后。 但 Sklearn的LinearSVC使用LIBLINEAR并提供参数：

  

class_weight ：{dict，'balanced'}，可选   将类i的参数C设置为SVC的class_weight [i] * C.如果没有给出，所有课程都应该有一个重量。 “平衡”模式使用y的值自动调整与输入数据中的类频率成反比的权重，如n_samples /（n_classes * np.bincount（y））

相当有用。