machine-learning - 使用 SvmPerf 或 LibLinear 训练的模型

Question

我正在用 Node.js 编写一个机器学习程序，我想使用 LibLinear 和 SvmPerf 等库，这些库在 Node.js 中不可用。因此，对于训练，我只需创建一个包含训练样本的文件，并在该文件上执行 SvmPerf 二进制文件。我也可以对分类做同样的事情，但是，由于分类发生的次数比训练多得多，所以这可能太慢了。

所以我想到了一种不同的方法:由于 SVM 中的分类(具有线性内核)只是模型权重与输入特征值的内积，所以我可以读取 SvmPerf 模型文件，解析它并将权重保留在内存中，然后自己在 Node.js 中进行分类。

这种方法正确吗？我确实可以通过计算 SvmPerf/LibLinear 创建的模型与输入样本之间的内积来进行分类吗？

Answer 1

简短的回答是是。在二进制线性情况下，您所要做的就是检索 w 的坐标。超平面和 b参数，计算<w,x>-b为新点x并返回结果的符号。在多标签分类的情况下，您将必须根据使用的库方法实现某种投票方案(1 vs all 或 1 vs 1)。

大多数库不存储 w参数，而是存储支持向量列表 sv_i具有相应的“权重”slpha_i y_i (通常作为每个向量一个数字)。要检索 w参数你必须计算 w = sum_i alpha_i y_i sv_i 。还有b变量有时称为 intercept