问题标签 [svmlight]

我正在使用 SVM Light 多类分类器来训练具有四个类的分类器。在分类阶段，分类器输出 4 个类别的预测标签和分数。正如 SVM Light 网站所说，这些分数是“每个 k 类的判别值”。我想向用户展示每个类的概率值。所以我想知道是否有一些数学技巧或其他方法可以将这些值“转换”为概率值或至少转换为 0 到 1 之间的归一化分数？

我想使用 svm light 进行分类。

在其网站上的示例中，文件格式为：

我无法理解这种格式。line和value指的是什么？这是示例训练集的一部分：

我知道在第一行数据1中指的是正输出，6请参考target. target参考一个word。并0.0198403253586671参考value。但我不知道这value:0.0198403253586671 是如何计算的。

SVM 教程指出，如果数据点落在分隔线周围的区域（在边距中） - 它不会被分类。这是如何在 SVMlight 和 libsvm 等库中实现的？

我正在尝试使用 svm light 对路透社文本进行分类，但我的火车数据不符合格式

<'行> .=. <'target> <'feature>:<'value> <'feature>:<'value> ... <'feature>:<'value> # <'info>

它的形式

<'行> .=. <'feature>:<'value> <'feature>:<'value> ... <'feature>:<'value> # <'info>

目标标签位于单独的文件中。我知道 SVM light 中有一个选项可让您指定单独的目标标签文件，但我在 SVM light 网站上找不到它，因为收到错误消息：

将示例读入内存...行必须以标签或 0 开头！！！

每当我使用加载我的训练数据时

svm_learn 示例 1/train.dat 示例 1/模型

有什么帮助吗？

我在 Java 中以编程方式使用 ClearTK 和 SVM-Light。我已经下载了用于 ClearTK 集成以及 SVM-Light 本身的包。无论我是通过 Eclipse 还是命令行运行，我都会不断收到

Cannot find file "svm_learn"

我尝试将它放在当前目录中。我尝试在命令行上使用“-cp”将其位置包含在内，或者将 Eclipse 中的文件夹添加到运行时类路径。我必须怎么做才能让我的 Java 代码识别这两个可执行文件所在的位置？

我创建了一个 weka arff，我想将其转换为 SVMLight 格式。这样我就可以在MLComp中加载 arff 了。如何转换 arff？

我在教程中使用SVM-light将数据分类为 2 类：

火车档案：

和测试文件：

通过执行svm_learn.exe train_file model->svm_classify.exe test_file model output我得到了一些意想不到的值output：

作为火车文件中的类，它不应该是 +1 或 -1 吗？或-1和+1之间的某种浮点数手动选择0作为分类或其他数字的解决方案，但对我来说，当所有数字都接近-1并且其中一些数字时，这是非常出乎意料的情况甚至更少。

UPD1：据说如果结果数是负数，那么它的类-1，如果是正数- +1。还在质疑这个符号后面的值是什么意思？我刚刚开始探索 SVM，所以这可能是一个简单或愚蠢的问题 :) 如果我的预测很糟糕，我应该采取哪些步骤 - 另一个内核？或者也许其他一些选项可以使 SVM-light 与我的数据更相关？

我正在使用 SVM-light 进行研究，并且效果很好（至少它仍在处理中）

这里的 Learn_data 是大约 14.000.000 行数据和 20.000 个特征。

但是-z p对于排名模式的标志，它会因 1.000.000 行数据而崩溃：

因此：

当前设置是 64GB 的 RAM，SVM 似乎并没有尝试使用所有这些。我尝试使用超过 4000 MB 作为缓存，最高可达 20000。但这没有帮助，如果它是缓存错误，SVM 应该告诉缓存而不仅仅是内存错误。没有找到记录的方法来解决它。可以做些什么来处理我的数据？

原来我想要的格式称为“SVM-Light”，并在此处描述http://svmlight.joachims.org/。

我有一个数据框，我想将其转换为格式如下的文本文件：

例如：

会成为：

到目前为止我的代码：

但我不确定如何完成并将结果写入文本文件。此外，代码可能效率不高。

是否有执行此操作的库函数？例如，这种输出格式对于 Vowpal Wabbit 来说似乎很常见。

我第一次实现了一个用于静态图像对象检测的软件。我的第一个目标是检测简单的圆圈，然后我将转向更复杂的对象。不幸的是，在验证我的分类器时似乎我遇到了问题。

我的选择是使用 HOG 描述符（使用 OpenCv）和 svm 作为分类器（使用 svmlight）。代码可以编译并且可以工作，但我觉得有些奇怪，可能与 svm 有关。

我有：

• 一个训练集，由 5 个 48x48 像素的不同圆圈图像和 5 个 48x48 像素的非圆圈图像组成（我知道它们太少了，无法拥有一个可靠的分类器，但据了解，这是为了测试一切正常）
• 一个测试集，由 4 个 48x48px 的图像（圆圈与训练所用的一样大）和 1 个更大的图像（765x600px）组成，具有多个尺寸的圆圈和其他几何形式。

会发生什么：

• 当图像为 48x48 时，测试集中的圆圈未被检测到，即使在测试集中有一些图像用于训练阶段。
• 在图像 765x800（包含任意大小的圆圈）中，正确识别出与训练集大小相同或更大的圆圈。

我正在使用以下参数：

• 猪：winSize=48x48px，winStride=4x4px，cellSize=4px，blockSize=8px，blockStride=4x4px
• 分类器：带有线性分类器的 svm 回归，C=0.01。（RBF结果比线性差）

这是使用我正在使用的参数执行检测的 api。

为什么没有检测到 48x48px 图像中的圆圈并且检测到更大图像中的圆圈？我希望正确分类 48x48px 图像以验证分类器。当在 48x48px 图像中没有检测到任何内容时，我添加了更大的图像。

此外，听起来很奇怪的是，在 48x48ps 的测试集中，有一些图像用于训练集中，我认为它们必须被识别，而不是它们！（我知道训练集和测试集一定是不同的，但我在没有检测到任何东西时这样做了。）

这是我对 hog 描述符和 svm 的第一次体验，因此它可能由于配置错误或图像选择而无法工作。

欢迎任何帮助！

提前致谢 ：）