python - Pyml得到的分类器如何使用

Question

我是 Python 中 PyML 的新用户。使用the tutorial ，我做了以下事情:

from PyML import *
data = SparseDataSet("heart")
s = SVM()
s.train(data) 
r = s.cv(data,5)

我得到了结果集r，但我不明白如何使用这个结果集用 Python 对一个全新的实例进行分类。有没有更有经验的可以帮帮我？任何建议将不胜感激。

谢谢。

Answer 1

在 r = s.sv(data,5) 中，您正在进行交叉验证，它用于通过对数据集的不同部分进行 5 次训练和测试来衡量分类器的性能。当您的目标是对新实例进行分类时，这不是必需的。

要对新实例进行分类，您最好将它们放在不同的数据集中，并在训练后使用 SVM 对象的测试方法:

s = SVM()
s.train(trainingDataset)
r = s.test(testDataset)

然后您将获得对 testDataset 中的新实例进行分类的结果。使用 s.test() 的一个选项是使用 s.classify(data, i) 和 s.decisionFunc(data, i)用于在训练后对单个数据点进行分类，但在教程文档中不建议这样做，因为您不会获得结果对象中包含的额外结果信息(就像您从 s.test、 s.cv 或 s.stratifiedCV 方法)。