machine-learning - 如何在svm多标签中进行文件训练和测试？

Question

如何在svm多标签中进行文件训练和测试？我的问题是https://www.quora.com/Can-anyone-give-me-some-pointers-for-using-SVM-for-user-recognition-using-keystroke-timing/answer/Chomba-Bupe?snid3=364610243&nsrc=1&filter=all

我的项目是动态键盘，一个用户与所有用户进行训练例如，如果您有 A、B 和 C 三个类别，那么您将拥有 3 个 SVM，每个 SVM 都有自己的参数，即权重和偏差，以及分别对应于 3 个类别的 3 个独立输出。当训练SVM-A时，另外两个类B和C作为负训练集，而A作为正训练集，那么当训练SVM-B时，A和C是负训练集，而对于SVM-C，A和B是负训练集。这就是所谓的一对一训练过程。

我尝试了，但结果出错了

我的训练文件是 .csv，包含:

65 134,+1

70 98,+1

73 69,+1

82 122,+1

82 95,+1

83 127,+1

84 7,+1

85 64,+1

65 123,-1

71 115,-1

73 154,-1

73 156,-1

77 164,-1

77 144,-1

79 112,-1

83 91,-1

and my file to testing is .csv and contents is:

65 111

68 88

70 103

73 89

82 111

82 79

83 112

84 36

85 71

我的代码是

    'use strict';

var so = require('stringify-object');
var Q = require('q');
var svm = require('../lib');
var trainingFile = './archivos/training/340.txt';
var testingFile = './archivos/present/340.txt';

var clf = new svm.CSVC({
    gamma: 0.25,
    c: 1, // allow you to evaluate several values during training
    normalize: false,
    reduce: false,
    kFold: 1 // disable k-fold cross-validation
});

Q.all([
    svm.read(trainingFile),
    svm.read(testingFile)
]).spread(function (trainingSet, testingSet) {
    return clf.train(trainingSet)
        .progress(function(progress){
            console.log('training progress: %d%', Math.round(progress*100));
        })
        .then(function () {
            return clf.evaluate(testingSet);
        });
}).done(function (evaluationReport) {
    console.log('Accuracy against the testset:\n', so(evaluationReport));
});

enter code here

Answer 1

你的标签是1和-1吗？如果是这样，您还需要了解测试数据的这些类。测试分类器的目的是看看它预测看不见的数据的能力如何。

作为一个小例子，您可以使用训练数据构建分类器: x_train = [65, 134], [70,98]....... [79, 112], [83, 91] y_train = [ 1, 1, ....-1, -1]

然后，您通过传入测试数据来测试您的分类器。假设您传递了测试数据中的前三个示例，它会做出以下预测。[65, 111] --> 1[68, 88] -->-1[70,103] -->-1然后，您计算出有多少条测试数据预测正确，但为了做到这一点，您首先需要知道测试数据的类别。如果您没有，也许您想尝试对训练数据进行交叉验证。