machine-learning - svm 预测文件中大于 1 的值

Question

我正在使用svm light来训练二进制分类模型。使用该模型，我测试了一些示例。我很惊讶地看到预测文件的输出，它包含大于 1 和小于 -1 的值。我认为范围是[-1,1]。难道我做错了什么？

Answer 1

如果您了解 SVM 的工作原理，为什么这些值不受 [-1, 1] 区间的限制是有道理的。SVM 尝试绘制将负数据点和正数据点分开的线，同时最大化它们与线的距离。

预测文件中的值表示数据与 SVM 最优超平面的距离，其中正值位于超平面的正类一侧，负值位于超平面的负类一侧。这些距离可以任意大或小，并且不受此图像所示的限制：

我见过一些 SVM 实现，例如Weka对Platt 的 SMO的实现，它对值进行归一化，以便它们是由 [0, 1] 区间界定的正类的置信值，但两种方法都可以很好地确定一个SVM 属于分类，因为远离超平面的数据点比靠近超平面的数据点更确定。