machine-learning - 使用 LIBSVM 的多类

Question

我有一个多类 svm 分类(6 类)。我想使用 LIBSVM 对它进行分类。以下是我尝试过的方法，我对它们有一些疑问。

方法一(一对一):

model = svmtrain(TrainLabel, TrainVec, '-c 1 -g 0.00154 -b 0.9');
[predict_label, accuracy, dec_values] = svmpredict(TestLabel, TestVec, model);

关于此方法的两个问题:1)对于多类问题我需要做的就是2) '-b n' 中的 n 应该是什么值。我不确定

方法二(1 vs 其余):

u=unique(TrainLabel); 
N=length(u); 
if(N>2)    
    itr=1;    
    classes=0;   
    while((classes~=1)&&(itr<=length(u)))   
        c1=(TrainLabel==u(itr));    
        newClass=double(c1); 
        tst = double((TestLabel == itr));
        model = svmtrain(newClass, TrainVec, '-c 1 -g 0.00154');  
        [predict_label, accuracy, dec_values] = svmpredict(tst, TestVec, model);    
        itr=itr+1;   
    end
    itr=itr-1;
end

对于第二种方法，如何附加分类分数。我无法投票。

除此之外，这是我尝试过的两种方法。哪种方法更好？

想听听一些意见。如果我错了，请纠正我。

Answer 1

关于“-b”参数，在 LIBSVM README 中写道:

-bprobability_estimates:是否训练SVC或SVR模型进行概率估计，0或1(默认0)

因此，如果您希望训练后的模型返回类别概率，则应指定“-b 1”，否则应指定“-b 0”。您只需调用 svmtrain 一次。此外，如果您为训练指定“-b 1”，则还必须为预测指定它。