machine-learning - 在明确划分类别之前获取 SMO 分类的准确输出值

Question

在 weka 中运行 SMO 分类器时，如果我输入的训练标签为 0 和 5(二进制集)，那么在测试数据上运行分类器模型时，输出是 0 到 5 之间的一些十进制值，其中在后面的步骤中明确分类为两个二进制标签，还是没有中间的十进制值？

如果存在，如何获取这些中间十进制值？

(例如，在上面的模型中，smo/svm 分类器是否分配 1、2、3 和 4 等值，或给定范围内的其他小数/浮点值，然后将它们适本地分组在 0 和 5 下值类)。

Answer 1

分类中没有“标签值”的概念。标签只是一个标识符，而不是可比较的对象，它被分配给问题中的特定实例。 “0”和“5”也可以是“狮子”和“大象”。

特别是对于 SVM(WEKA 让人们称 SVM 为 SMO，这对科学界来说是一件可怕的事情，只是因为这是内部使用的求解器算法......)每个标签都被转换为“-1”和“+” 1”。在内部，SVM确实有一个支持的概念，因为它会线性投影你的数据点，从而从整个R(-inf，+inf)中获得一个值，并根据符号分配标签。从非常粗略的意义上来说，这是模型的确定性(但是没有在任何概率意义上进行校准，因此“0.01”除了“小于 0.02”之外没有任何意义，但我们甚至不能说 0.01 的不确定性比0.02 的点，因为这些值没有合理的缩放。

在“纯”weka 中，有 classifier.distributionForInstance() 返回这些值。在 weka 资源管理器的分类选项卡上，单击更多选项...并勾选输出预测以获取它们。