4

对于 中的分类任务kernlab::ksvm，默认使用的 SVM 是 C-svm (LIBSVM, Chang & Lin)，它计算一个二元分类任务。这可以通过计算多个 1 与多个二元分类器并聚合结果来扩展到多类问题。通过 spoc-svm (Crammer, Singer) 和 kbb-svm (Weston, Watkins) 支持原生多类分类。

这些是kernlab通过type参数 in支持的ksvm（参见?kernlab::ksvm）：

ksvm(..., type= "C-svc", ...)
ksvm(..., type= "spoc-svc", ...)
ksvm(..., type= "kbb-svc", ...)

然而，预测概率只能通过 C-svm 获得。为什么？这是实施中的错误吗？ 

library(kernlab)
data(iris)
# default - C-svc allows for a prob.model
k1 <- ksvm(Species ~. ,data= iris, 
           type= "C-svc",
           prob.model=TRUE,
           kernel= "rbfdot", C= 1)

p1 <- predict(k1, iris, type= "probabilities") # works

#### non default, doesn't work:
k1 <- ksvm(Species ~. ,data= iris, 
           type= "spoc-svc",
           prob.model=TRUE,
           kernel= "rbfdot", C= 1)

p1 <- predict(k1, iris, type= "probabilities")
Error in .local(object, ...) : 
  ksvm object contains no probability model. Make sure you set the paramater    prob.model in ksvm during training.

k1 <- ksvm(Species ~. ,data= iris, 
           type= "kbb-svc",
           prob.model=TRUE,
           kernel= "rbfdot", C= 1)

p1 <- predict(k1, iris, type= "probabilities")
Error in .local(object, ...) : 
  ksvm object contains no probability model. Make sure you set the paramater prob.model in ksvm during training.

文档没有说明这一点，也没有提供任何指导。如您所见，参数prob.model已在函数调用中指定。至少，这似乎是一个有问题的错误消息。

4

1 回答 1

1

kernlab目前不支持除C-svc,nu-svc和C-bsvc(检查代码) 以外的类型的概率估计。

if(type == "probabilities")
{ 
  if(is.null(prob.model(object)[[1]]))
    stop("ksvm object contains no probability model. Make sure you set the paramater prob.model in ksvm during training.")

  if(type(object)=="C-svc"||type(object)=="nu-svc"||type(object)=="C-bsvc")
    {
        [...]
    }
  else
    stop("probability estimates only supported for C-svc, C-bsvc and nu-svc")
}

问题是原生多类解决方案缺乏作为输入的二元概率couple。实际上，编写自己的解决方案并不难。

于 2016-06-28T12:20:42.467 回答