python - SVM 找到外部训练集的成员

Question

我尝试在 OpenCV 上使用 SVM 进行分类多类(我将 openCV 用于 python)。假设我有 5 节课并且训练得很好。我已经测试过了，结果很好。

当来自第 6 类的对象进入此分类时，就会出现问题。虽然我以前没有训练过这门课，但为什么我得到的结果是这个对象(来自第 6 类)识别为我之前训练过的一个类的对象(它被归类为第 1 类或第 2 类的成员) )。虽然机器应该说不知道它来自哪个类(class)。 OpenCV 的 SVM 没有返回概率，它只是返回类的标签。

我有一个想法，让它进行 2 次分类。首先是 biner 分类，将所有样本作为训练集。其次，我将其分类为多类。
但问题是，当我不知道另一个对象(假设来自第 6 或第 7 类)时，我应该如何找到第一个分类的负样本。任何人都可以帮助我，我该怎么办？我应该使用哪些样本作为负样本？这是好主意还是愚蠢的主意？有没有其他方法可以解决这个问题？

Answer 1

经典的 SVM 将 n 维特征空间与平面分开。这意味着空间中的每个点都在其中一个分区中，因此属于一个经过训练的类。没有异常值检测。

然而，还有一个 的概念。一类SVM 它试图封装“已知”空间并将其分为“已知”和“未知”。 libSVM 包也有概率，您可以尝试分析是否有帮助。您还可以尝试其他分类概念来检测异常值，例如 最近邻