Question

我想针对2类问题训练RBF内核SVM。目前SVM仅预测0或1，但我希望它返回到决策边界的距离。我怎样才能做到这一点？

self.svm = cv2.ml.SVM_create()
self.svm.setKernel(cv2.ml.SVM_RBF)
self.svm.train(features, cv2.ml.ROW_SAMPLE, labels)
res = svm.predict(testdata, True)

我的功能是np.arrays，dtype = np.float32，我的标签是np.arrays，dtype = np.int，值为0，类为＃34; no＆＃34;，1为class＆＃34;是＆＃34;

文档说svm.predict返回第二个参数为True的分数，但我只得到这样的结果：

（0.0，array（[[0.]， [0.]， [0.]， ... [0.]， [0.]， [0.]]，dtype = float32））

我是否需要更改SVM类型？如果是这样，我应该选择哪个？

Answer 1

您可以使用scikit-learn包生成您的svm。

培训：

from sklearn.svm import LinearSVC
clf=LinearSVC(C=1.0,  class_weight='balanced')
clf.fit(features, labels)
svm_w = clf.coef_[0]
svm_intercept = clf.intercept_[0]

测试：

response_list = list()
for ft in feature_list:
    val = (sum(p*q for p,q in zip(ft,svm_w)) + svm_intercept)[0]
    response_list.append(val)

这可以根据与超平面的距离为您提供该功能的SVM响应。

Python OpenCV2 SVM获得分数而不是是/否响应

1 个答案: