我对 libsvm 和预计算内核的使用有一个奇怪的问题。我已将我的数据放入字典形式以遵循文档(与点 id 关联的键 0):
from svmutil import *
x=[]
for i in range(N):
x[i] = {0:i, 1:K(i,0), 2:K(i,1), ...}
y[i] = true_labels(i)
) 然后,我正在执行以下操作来训练 svm 并得到我的训练错误:
svm_prob = svm_problem(y,x,isKernel=True)
svm_param = svm_parameter('-t 4')
svm_mod = libsvm.svm_train(svm_prob,svm_param)
svm_pymod = toPyModel(svm_mod)
# Estimating training error
p_labels, p_acc, p_val = svm_predict(y,x,svm_pymod)
但最终输出完全不正确,因为值 p_val 看起来像:
p_val -> [0.xxx, -1.xxx, -2.xxx, -3.xxx, -4.xxx, ...]
(当然 p_labels 是[-1,-1,-1,...,]
)
我的分析:我知道我的内核的值K(i,j)
远低于 1,所以我认为(0:i)
libsvm 在某些时候(可能在预测阶段)将伪特征用作正常特征(而不是作为点 id) . 我尝试了几种变体,但我无法解决这个问题。
提前感谢您对我的代码的任何帮助或评论,