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。
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。
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。