我遇到了一个 SVM 示例，但我不明白。如果有人能解释预测的工作原理，我将不胜感激。请看下面的解释：
该数据集有10,000 个观测值，具有5 个属性（Sepal Width、Sepal Length、Petal Width、Petal Length、Label）。标签positive是否属于I.setosa该类，negative如果属于某个其他类。
有6000 个结果已知的观察值（即它们属于I.setosa该类，因此它们的标签属性为正）。其余4000 个的标签未知，因此假定标签为负数。6000 个观察值和从剩余4000个中随机选择的2500个观察值形成了10 倍交叉验证的集合。然后使用 SVM（10 折交叉验证）对8500 个观测值进行机器学习，并绘制ROC 。
我们在这里预测哪里？该集合有6000 个观测值，其值是已知的。剩下的2500人是如何获得负面标签的？当使用 SVM 时，一些正面的观察得到负面的预测。这个预测对我来说没有任何意义。为什么排除这1500 个观察值。
我希望我的解释清楚。如果我没有清楚地解释任何事情，请告诉我。
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“否定”——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 6000 个标签样本 [cf 验证] 来做一个 1 类 SVM。然后将通过测试 N=4000 集来评估它们是否属于 setosa 类来生成预测。
相反，如果我们有 6000 个 setosa 和 4000 个（已知的）非 setosa，我们可以根据这些数据构建一个二元分类器 [cf 验证如下]，然后使用它来预测任何其他可用的非 setosa 与非-标记的数据。
验证：通常作为模型构建过程的一部分，您将只获取已标记训练数据的一个子集，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），并将模型预测的内容与真实标签的内容进行比较，以评估错误率。这适用于上述 1 类和 2 类情况。
摘要：如果您的所有数据都被标记，那么作为模型验证过程的一部分，通常仍然会对其中的一个子集进行预测（忽略已知标签）。
您的 SVM 分类器经过训练，可以判断新（未知）实例是否是 I. Setosa 的实例。换句话说，您正在预测新的未标记实例是否为 I.Setosa。
您找到了错误分类的结果，可能是因为您的训练数据中正面案例的实例比负面案例多得多。此外，通常会有一些误差范围。
总结：您的 SVM 分类器学习了如何识别 I.Setosa 实例，但是，它提供的非 I.Setosa 实例的示例太少，这可能会让您得到一个有偏见的模型。