我使用LIBSVM工具箱的Matlab。我的问题是一个二元分类问题,标签为1(真)和0(假)。当我用这个函数训练我的系统时:
svmstruct = svmtrain(TrainTargets, TrainInputs,['-t 2 ' '-g ' SIGMA ' -c ' P ' -q' ' -b 1']);
和测试我的测试精度与这个函数:
[TestOutputs, ~, ~] = svmpredict(TestTargets, TestInputs, svmstruct,'-b 1 -q');
现在我想使用设计的SVM模型来处理我们的样本数据。所以我使用这个函数:
[OUT, ~, Prob_Out] = svmpredict(zeros(size(Outsample_DATA,1),1), Outsample_DATA, svmstruct,'-q -b 1');
对于我的第一个训练模型(我已经训练了具有不同参数的SVM模型),我有这个输出(两种情况下的Out样本数据集是相同的):[Prob_Out Out]
0.8807 0.1193 0
0.8717 0.1283 0
0.0860 0.9140 1.0000
0.7846 0.2154 0
0.7685 0.2315 0
0.7916 0.2084 0
0.0326 0.9674 1.0000
0.7315 0.2685 0
0.3550 0.6450 1.0000
第二个是:
0.4240 0.5760 0
0.4090 0.5910 0
0.7601 0.2399 1.0000
0.5000 0.5000 1.0000
0.4646 0.5354 0
0.4589 0.5411 0
假设我想用这些概率找到类1。在第一组数据中,当第二列大于第一列时,该样本属于类1;在第二组数据中,当第一列大于第二列时,该样本属于类1。
这两个样本数据的结构是相同的。有什么问题吗?
谢谢。
p。当我在训练后检查SVMstruct参数时,这些模型中的一个Label是[0;1],另一个Label是[1;0]!
正如您已经注意到的,差异是由于标签的不同映射。
LIBSVM在内部使用自己的标签,因此需要在内部标签和您提供的标签之间进行映射。
这个映射中的标签是使用标签在训练数据中出现的顺序生成的。因此,如果训练数据中第一个元素的标签发生了变化,那么标签映射也会发生变化。