machine-learning - 机器学习 - 支持向量机

Question

我遇到了一个SVM示例，但我不明白。如果有人能解释一下预测是如何进行的，我将不胜感激。请看下面的解释:

数据集有 10,000 个观测值，具有 5 个属性(萼片宽度、萼片长度、花瓣宽度、花瓣长度、标签)。如果标签属于 I.setosa 类，则标签获得正，如果属于其他类，则获得负。

有 6000 个观察结果已知(即它们属于 I.setosa 类，因此它们的标签属性为正)。其余 4000 的标签未知，因此假设标签为负。从剩余的 4000 中随机选择的 6000 个观测值 和 2500 观测值构成10 倍交叉验证的集合。然后使用 SVM(10 倍交叉验证)对 8500 个观测值进行机器学习，并绘制 ROC。

我们在这里预测什么？该集合有 6000 个观测值，其值已知。剩下的2500是如何获得负面标签的？当使用 SVM 时，一些积极的观察结果会得到消极的预测。这个预测对我来说没有任何意义。为什么那些 1500 个观察结果被排除在外。

我希望我的解释很清楚。如果我没有解释清楚，请告诉我。

Answer 1

我认为这个问题是一个语义问题:您将 4000 个样本集称为“未知”和“阴性”——其中哪一个适用是关键区别。

如果 4000 个样本的标签确实未知，那么我会使用以下方法进行 1 类 SVM6000 个标记样本 [c.f.验证如下]。然后通过测试 N=4000 组来评估它们是否属于 setosa 类来生成预测。

如果相反，我们有 6000 个 setosa 和 4000 个(已知)非 setosa，我们可以构建一个二进制基于此数据的分类器 [c.f.下面的验证]，然后用它来预测 setosa 与 non on任何其他可用的非标记数据。

验证:通常作为模型构建过程的一部分，您将仅采用标记的子集训练数据并使用它来配置模型。对于未使用的子集，您将模型应用于数据(忽略标签)，并将模型的预测内容与真实标签进行比较，以评估错误率。这适用于 1 级和上述 2 类情况。

摘要:如果所有数据都已标记，那么作为模型验证过程的一部分，通常仍会对其中的子集进行预测(忽略已知标签)。