python - 更喜欢 libsvm (python) 中的一个类

Question

我刚刚开始在 python 中使用 libsvm 并进行了一些简单的分类。

问题是我正在构建一个人脸检测系统，并且我想要一个非常低的错误拒绝率。另一方面，支持向量机似乎针对相同的错误拒绝和错误接受进行了优化。我在这里有什么选择？

正如前面所说，我对 libsvm 非常陌生，所以请友善。 ;)

Answer 1

SVM 通常不被认为是概率模型，而是最大判别模型。因此，我很难根据我对 SVM 的了解来阐述你的问题。

此外，libSVM 附带的 Python 绑定(bind)性能不是很好，并且不会公开 libSVM 的所有选项。

也就是说，如果您愿意查看其他绑定(bind)，scikit-learn的 svm 绑定(bind)更丰富，公开了一些可能派上用场的参数，例如 weighted classes ，或weighted samples 。您也许可以更加重视您不希望错误分类的类别。

此外，scikit 的绑定(bind)公开了 posterior classification probability ，但就 SVM 而言，我认为它依赖于 libSVM 的 hack(因为 SVM 不是概率性的)，它对分类进行重新采样，以获得预测的置信区间。