Question

我有一个多类svm分类（6级）。我想用LIBSVM对它进行分类。以下是我尝试过的，我对它们有一些疑问。

Method1（一对一）：

model = svmtrain(TrainLabel, TrainVec, '-c 1 -g 0.00154 -b 0.9');
[predict_label, accuracy, dec_values] = svmpredict(TestLabel, TestVec, model);

关于这种方法的两个问题：1）是我需要为多类问题做的所有事情 2）'-b n'中n应该是什么值。我不确定

方法2（一对比休息）：

u=unique(TrainLabel); 
N=length(u); 
if(N>2)    
    itr=1;    
    classes=0;   
    while((classes~=1)&&(itr<=length(u)))   
        c1=(TrainLabel==u(itr));    
        newClass=double(c1); 
        tst = double((TestLabel == itr));
        model = svmtrain(newClass, TrainVec, '-c 1 -g 0.00154');  
        [predict_label, accuracy, dec_values] = svmpredict(tst, TestVec, model);    
        itr=itr+1;   
    end
    itr=itr-1;
end

对于第二种方法，如何附加分类分数。我无法投票。

除此之外，这些是我尝试过的两种方法。哪种方法更好？

想听一些评论。如果我错了，请纠正我。

Answer 1

关于'-b'参数，在LIBSVM自述文件中它说：

-b probability_estimates：是否训练SVC或SVR模型进行概率估计，0或1（默认为0）

因此，如果您希望训练的模型返回类概率，则应指定'-b 1'，如果不希望，则指定'-b 0'。您只需拨打一次svmtrain即可。此外，如果您为训练指定'-b 1'，则还必须将其指定为预测。

使用LIBSVM的MultiClass

1 个答案: