使用LIBSVM的MultiClass

时间:2012-01-23 22:27:43

标签: machine-learning computer-vision classification svm libsvm

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。

1 个答案:

答案 0 :(得分:3)

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。