matlab - LibSVM 成本权重对于不平衡数据不起作用

Question

我有一个数据集，负标签值的数量是正标签值数量的 163 倍，所以我有一个不平衡的数据集。我已经尝试过了:

model = svmtrain(trainLabels, trainFeatures, '-h 0 -b 1 -s 0 -c 10 -w1 163 -w-1 1');
[predicted_label, accuracy, prob_estimates] = svmpredict(testLabels, testFeatures, model, '-b 1');

准确率接近99%，我搜索发现:http://agbs.kyb.tuebingen.mpg.de/km/bb/showthread.php?tid=376&page=1在#7 帖子中说

have you tried weighting on a smaller scale (ie: <1)

我将其更改为:

model = svmtrain(trainLabels, trainFeatures, '-h 0 -b 1 -s 0 -c 10 -w1 0.5 -w-1 0.003');
[predicted_label, accuracy, prob_estimates] = svmpredict(testLabels, testFeatures, model, '-b 1');

由于数据不平衡，我每次的准确率仍然很高。有什么想法吗？

PS:我正在努力实现KDD Cup 2008的第一个挑战——乳腺癌。 我想按降序对候选人进行排名。

Answer 1

可能是因为你的负面例子和正面例子很难区分。我将通过对多数类进行下采样并使用所有少数类示例来准备不同的数据集，然后在所有数据集上学习支持向量机。那就用投票吧。这对我有用