支持向量机是否必须有两个标签?

Question

我有一个关于支持向量机的问题。支持向量机必须有两个标签吗?有没有可能会有一个标签和预测将基于该标签?例如，下面的testData不适合trainingData，所以它不会被标记为1，而是任何其他整数。我不知道最坏情况下的值，因为所有的值都是从用户输入中获得的。

int labels[3] = {1, 1, 1};
cv::Mat labelsMat(3, 1, CV_32S, labels);
float trainingData[3][3] = { { 25, 191, 19 }, { 24, 186, 17}, { 25, 200, 19} };
float testData[3] = {70, 500, 100};

Answer 1

SVM是一种分类方法。通过使用支持向量机，您可以将数据分成几个部分，而标签需要这样做。你应该用多个标签来训练SVM，然后用新的输入来测试它。