我对libsvm中的svm_predict（）方法有疑问。
README有这个快速入门的示例代码：
>>> y, x = [1,-1], [{1:1, 3:1}, {1:-1,3:-1}]
>>> prob = svm_problem(y, x)
>>> param = svm_parameter('-c 4 -b 1')
>>> m = svm_train(prob, param)
>>> p_label, p_acc, p_val = svm_predict(y, x, m)
现在我知道y是与x中的词典相关联的类别列表。我也理解svm_train部分。
没有意义的部分是在svm_predict中，我需要提供y中的'true values'以及x中的测试数据。我认为这个想法是我不知道测试数据的分类。
如果我的培训数据是：
y = [1, 2, 3]
x = [{1:1}, {1:10}, {1:20}]
但我的测试数据是：
z = [{1:4}, {1:12}, {1:19}]
那么为什么我需要将z的真值传递给svm_predict（），如：
a, b, c = svm_predict(y, z, m)
我不会知道z的真实值 - 这就是预测的目的。我应该在执行预测时为y设置任意分类值，还是我完全遗漏了什么？
全部谢谢
答案 0 :(得分：5)
它使用真实标签为您提供准确性统计数据，以防您进行样本外测试。
如果您是“在线”运行它，即您实际上没有真正的标签，那么只需添加[0]*len(z)而不是y
答案 1 :(得分：1)