一个类SVM，全-1

Question

我正在做二进制分类，只返回＆＃34;是＆＃34;或＆＃34;不＆＃34;对于图片。因为我只有一个班级，所以我想在＆＃34; Target＆＃34;之间进行分类。和＆＃34;离群值＆＃34 ;.

例如，我正在对消防员进行分类。

我正在使用Scikit Learn svm.OneClassSVM()。然而，在训练模型后，我得到了＃34; -1＆＃34;每次，甚至用于预测训练数据。

这是我的代码：

X_train = []
for subdir, dirs, files in os.walk("training"):
    for imagePath in files:
        print ("path = ", imagePath)
        img = Image.open(os.path.join(subdir, imagePath))
        img = img.resize(sample_size, PIL.Image.ANTIALIAS)
        img = np.array(img)
        img = img[:,:,0]
        img = img.reshape(1, img.shape[0]* img.shape[1])
        X_train.append(img[0])

clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X_train)

然后我预测＆＃34;训练数据＆＃34;

的结果

print clf.predict (X_train)

然而，我仍然得到所有＆＃34; -1＆＃34;。谁能告诉我什么是错的？

Answer 1

超级参数调整最有可能。伽马应该可能低很多。

你的训练样例的最终形状是什么＆＃34; img [0]＆＃34;？

Answer 2

您可以通过计算分数样本来设置阈值水平。例如

clf = OneClassSVM()        
y_scores = clf.score_samples(test)

您需要自己检查哪个阈值更好。您可以通过对异常类的某些数据运行模型来检查该模型，并检查您在哪个阈值以下得到答案。分数样本越少，则异常值越大。