SVM 新手 - 我有 160 个类别，从几个到多个成员术语和短语不等，用于训练数据。有些类别的短语很少，而其他类别则有数百个。
我有很多主题广泛的文本测试数据。我想我想要一个 MultiClass、oneVsRest SVM、二进制分类器。
1) 1 个类别 SVM 的训练输入是否应该是一组具有 1 个 feature3:1 feature5:1 ... 对于正成员资格的行，其中 feature 是类成员资格列表中的一个术语/短语 - 二进制值是否足够？和 -1 feature1:1 feature2:1 feature4:1 的行...对于 known_terms_of_interest 字典中其他类的所有成员？
2) 测试文档输入是否应该只包括在 known_terms_of_interest 字典中找到的术语？
3）线性正确吗？-C 1 ？还是因为某些 RBF 中的术语很少？
似乎示例以预处理文件而不是原始文本开头；所以我错过了关键的设置放置步骤，因为文档进入了边距等的描述。
1) 1 个类别 SVM 的训练输入是否应该是一组具有 1 个特征 3：1 特征 5：1 的行...对于正成员，其中特征是类成员列表中的一个术语/短语 - 二进制值是否足够？和 -1 feature1:1 feature2:1 feature4:1 的行...对于 known_terms_of_interest 字典中其他类的所有成员？
如果您的“featureX”是一个自然数（您的单词/短语的索引），那么您刚刚描述了一组有效的单词表示。它是文本分类的最基本方法，但它应该有效（从某种意义上说——它是正确的）
2) 测试文档输入是否应该只包括在 known_terms_of_interest 字典中找到的术语？
它们必须仅包含在训练阶段看到的单词/短语的特征（如前所述 - 作为索引）。如果您为其提供以前从未见过的功能，libsvm 将无法运行。
3）线性正确吗？-C 1 ？还是因为某些 RBF 中的术语很少？
这样的问题没有答案，必须使用一些泛化测试技术（如交叉验证）来拟合内核类型和 C 值（以及 RBF 情况下的 gamma）。