我使用libsvm库（https://www.csie.ntu.edu.tw/~cjlin/libsvm/）对某些数据进行分类。
这是我用于预测的语法：
[predict_label, accuracy, prob_estimates] = svmpredict(lbpModel.labels(1,1), lbpModel.features(1,:), trainedModel);
根据我的理解，prob_estimates以这种方式计算：如果您有以下类:(类1,2,3,4），算法会进行以下比较：
1 vs. 2,1比3,1比4,2比3,2比4，3比4。
因此，您在prob_estimates向量中得到6个决策值。
我应该对prob_estimates向量做出哪些更改才能得到这样的结果：
[0.7 , 0.19, 0,2, 0,1 ....]
它可以翻译成： Class1 = 70％，Class2 19％，Class3 2％，Class4 1％等。
所以基本上我想提取前三个预测类，我需要知道置信水平（％）。因为如果我得到Class1 50％，Class2 49％，Class3 1％和Class4 0％，我真的不想用获胜类标记数据，因为前两个类的置信度之间的差异是太小了，所以我宁愿用两个类来标记数据（我知道对于大多数问题来说它并没有太大意义，但对于我的问题它确实如此）。
任何解决方案？
答案 0 :(得分：0)
一种方法可以是使用one-vs-all策略而不是one-vs-one，这是libsvm的默认策略。
这意味着如果您有4个类，则训练4个SVM，每个类决定，样本是属于一个类还是属于所有其他类。通过这种方式，您可以获得每个类概率该样本属于此类的可能性。