c++ - CvSVM 回归只预测整数

Question

我正在尝试使用 this 来熟悉 CvSVM包含 590 张图像的手动标记数据库，从 0-5 分级(0 为模糊，5 为完美)。如果等级 <3，我将其标记为 0(模糊)，如果 >=3，我将其标记为 1(清晰)。

对于功能，我只是使用五种不同的通用指标进行模糊评估。每个都通过训练数据中的均值和标准差进行标准化。相同的训练均值和标准差也用于标准化测试数据。

出于某种原因，我的 SVM 只能预测整数。我已经检查了 int 转换和其他愚蠢的错误，但无法弄清楚。我意识到我的特征可能不是很健壮，因为不同图像之间存在很大差异(标准化不是很有帮助，因为标准化测试特征的范围最终大于训练特征的范围)，但仍然我觉得我应该得到一些小数预测，即使它们不准确。

训练:

// data format is [ img1 grade feature1 feature2 ... feature5, img2... ]
void train_svm(CvSVM& svm, const Mat& data)
{
    CvSVMParams params;
    params.svm_type         = CvSVM::EPS_SVR;
    params.kernel_type      = CvSVM::RBF;
    params.term_crit        = cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, (int)1e8, FLT_EPSILON);

    CvParamGrid Cgrid(.01, 100, exp(1));
    CvParamGrid gammaGrid(.01, 10, exp(.05));
    CvParamGrid pGrid(.01, 1.8, exp(.01));

    params.C        = Cgrid.min_val;
    params.gamma    = gammaGrid.min_val;
    params.p        = pGrid.min_val;

    // split features from grades
    Mat features  = data.colRange(2, data.cols);
    Mat grades    = data.colRange(1, 2);

    try
    {
        svm.train_auto(features, grades, Mat(), Mat(), params, 10,
                       Cgrid,
                       gammaGrid,
                       pGrid,
                       CvSVM::get_default_grid(CvSVM::NU),
                       CvSVM::get_default_grid(CvSVM::COEF),
                       CvSVM::get_default_grid(CvSVM::DEGREE),
                       false);
    }
    catch (Exception e)
    {
        params = svm.get_params();
        qDebug() << params.C << params.gamma << params.p;
    }
    params = svm.get_params();

    svm.train(features, grades, Mat(), Mat(), params);
}

测试:

void test_svm(const CvSVM& svm, const Mat& data)
{
    Mat features = data.colRange(2, data.cols);
    Mat grades   = data.colRange(1, 2);

    int num_test = features.rows;
    assert(features.rows == grades.rows);

    Mat results(num_test, 1, CV_32FC1);

    svm.predict(features, results);
    qDebug() << "Act\t\tPred";
    for (int i = 0; i < num_test; i++)
    {
        float actual = grades.at<float>(i, 0);
        float predicted = results.at<float>(i, 0);
        qDebug() << actual << "\t" << predicted;
    }
}

预测总是 0 或 1。没有小数。

谁能找出我做错了什么？

Answer 1

我认为您将分类 (n>=2) 与回归 (n=2) 混合在一起。基本 SVM 计算单个超平面来分离 2 个类。有 2 个概括:要么计算所有类之间的多个超平面(n>2 分类)，要么如果您有一个超平面，则可以确定新点与该超平面的距离。

但假设您在第 1 类和第 3 类之间有一个超平面，并且有一个点落在边界上。您不能只预测第 2 类，因为它位于 1 和 3 的边界上。