machine-learning - 使用 libsvm 进行一类分类

Question

快速回顾一下我想做的事情，我想确定一篇文章是否由同一作者撰写。因此我使用一类分类。
在我的训练集（18 个样本）中，它看起来像这样（为了简化，我使用 x 作为数据值）：

1 1:x 2:x "until" 200:x
1 1:x 2:x "until" 200:x

在我的测试集（3 个样本）中，它看起来像这样（为了简化，我使用 y 作为数据值）：

1 1:y 2:y "until" 200:y

对于数据准备（训练和测试集），我将缩放上限和下限设置为 +1/-1

-l -1 -u 1

对于训练，我使用 svm_type 是一类 svm，内核类型是 Sigmoid。然而准确率是0%

optimization finished, #iter = 13
obj = 22.901769047004553, rho = 5.476401914859387
nSV = 11, nBSV = 6
Accuracy = 0.0% (0/21) (classification)

有人可以告诉我我在这里做错了什么吗？

score 1 · Accepted Answer

您需要调整参数。

nu是训练误差分数的上限和支持向量分数的下限。通过这样的设置，基本上nu可以拒绝数据的数量（例如 0.01 表示 1%）并将其标记为异常值。

还尝试在 Sigmoid 内核中调整gamma和值。coef0

虽然它可能不是导致你的训练精度为零的直接因素，但我建议你自己缩放数据而不是 libsvm 的最大最小缩放，检查标准缩放。

 x_mean = mean(x);
 x_std = std(x);
 x = (x - x_mean)./x_std;

然后使用相同的值x_mean和x_std值来扩展您的测试数据。

1 回答 1