Libsvm precomputed kernels

Question

我正在使用带有预计算内核的libsvm。我为示例数据集生成了一个预先计算的内核文件heart_scale并执行了函数 svmtrain() 。它工作正常，支持向量被正确识别，即类似于标准内核。

但是，当我尝试运行svmpredict()时，它为预先计算的模型文件提供了不同的结果。在挖掘代码后，我注意到svm_predict_values()函数需要支持向量的实际特征，这在预计算模式下不可用。在预计算模式下，我们只有每个支持向量的系数和指数，这被误认为是它的特征 svmpredict() .

这是一个问题还是我错过了什么。

（请让我知道如何在预计算模式下运行svmpredict()。

Answer 1

测试集向量 x 和每个训练集向量之间的核评估值应用作测试集特征向量。

以下是 libsvm 自述文件中的相关行：

xi的新训练实例：
<标签> 0：i 1：K（xi，x1） ...L：K（xi，xL）

任何 x 的新测试实例：
<标签> 0：？1：K（x，x1） ...L：K（x，xL）

libsvm 自述文件是说，如果你有 L 训练集向量，其中 xi 是来自 [1..L] 的 i 的训练集向量，以及一个测试集向量 x，那么 x 的特征向量应该是

0：

相关内容

• 没有找到相关文章