我对使用SVM进行分类有问题。假设我有10个班，从0到9。我可以训练SVM来识别这些类，但有时我得到的图像不是挖掘的，但SVM仍然试图对这些图像进行分类。有没有一种方法可以在输出上为SVM设置阈值（就像我可以为神经网络设置的那样）来拒绝坏图像？我可以要求提供代码示例吗（在C++或带有opencv的Python中）？提前谢谢。
作为一种简单的方法，您可以训练一个额外的分类器来确定您的特征是否是数字。使用非数字图像作为正样本，使用其他类别的正样本（即数字0-9的图像）作为该分类器的负样本。你需要大量的非数字图像才能使其发挥作用，而且建议使用策略来选择硬阴性：在第一个训练阶段后被归类为"假阳性"的阴性样本，用于重新训练分类器。
希望它能有所帮助！
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium