svm - 关于 LIBSVM 预测的概率估计

Question

我正在尝试使用 SVM 分类器进行 3 类分类。我们如何解释 LIBSVM 预测的概率估计。它是基于实例与最大边距超平面的垂直距离吗？

请通过对 LIBSVM 分类器预测的概率估计的解释有所了解。首先调整参数C和gamma，然后使用-b带有训练和测试的选项输出概率估计。

Answer 1

多类 SVM 总是被分解成几个二元分类器（通常是一组一个分类器与所有分类器）。任何二元 SVM 分类器的决策函数都会输出到分离超平面的（有符号）距离。简而言之，SVM 将输入域映射到一维实数（决策值）。预测标签由决策值的符号确定。从 SVM 模型获得概率输出的最常用技术是通过所谓的Platt 缩放（LIBSVM 作者的论文）。

它是基于实例与最大边距超平面的垂直距离吗？

是的。通过在分类器的决策值上校准逻辑函数，可以对输出这种一维实数值的任何分类器进行后处理以产生概率。这与标准逻辑回归中的方法完全相同。

Answer 2

SVM 执行二进制分类。为了实现多类分类，libsvm 执行所谓的一对多。调用时得到-b的是与此技术相关的概率，您可以在此处找到解释。