我尝试使用libsvm和3D描述符来执行对象识别。到目前为止，我有7类对象，对于每个类别，我都有它的对象数量（及其pourcentage）：
类别1. 492（14％）
类别2. 574（16％）
类别3. 738（21％）
类别4。 164（5％）
类别5。 369（10％）
类别6。 123（3％）
Category7。 1025（30％）
所以我总共有3585个物品。
我遵循了libsvm的实用指南。 这里有提醒：
一个。扩展培训和测试 B.交叉验证 C.培训 D.测试
我将数据分成培训和测试。 通过5交叉验证过程，我能够确定好的C和Gamma。
然而，我获得了不良结果（简历约为30-40，我的准确率约为50％）。
然后，我在考虑我的数据并发现我有一些不平衡的数据（例如类别4和6）。我发现在libSVM上有一个关于权重的选项。这就是为什么我现在想要设置好的权重。
到目前为止，我这样做了：
svm-train -c cValue -g gValue -w1 1 -w2 1 -w3 1 -w4 2 -w5 1 -w6 2 -w7 1
但结果是一样的。我确定不是这样做的好方法，这也是我问你一些帮助的原因。 我看到了关于这个主题的一些主题，但它们与二进制分类有关，而不是多类分类。 我知道libSVM正在做一个对抗一个＆＃34; （所以这是一个二元分类器）但是当我有多个班级时，我不知道要处理它。
你能帮我吗？
提前感谢您的帮助。
答案 0 :(得分：1)
我以前遇到过同样的问题。我也尝试给他们不同的重量，这是不起作用的。
我建议您使用数据集的子集进行训练。
尝试使用大致相同数量的不同类别样本。您可以使用所有4类和6类样本，然后为每个其他类别选择约150个样本。
我使用这种方法，准确度确实提高了。希望这会对你有所帮助！