神马文学网libsvm多分类
来源：百度文库 编辑：神马文学网 时间：2024/04/28 08:12:15
关于使用libsvm进行分类的几个问题
在使用libsvm进行分类时，碰到以下几个问题，求高手指点：
（1）在进行多类分类时，由于libsvm用的是1-v-1方法，但是一般一个样本有很多属性，就拿葡萄酒的样本来说，它是一个三类问题，每个样本有13个属性，那么其训练预测过程是什么呢？训练过程是先对样本的同一属性使用1-v-1方法，进行训练，得到一组支持向量和相应模型，然后呢？其它的12个属性是怎么加入训练过程的？预测时，也是先对所有样本的第一个属性使用训练好的1-v-1模型进行投票决策，接下来呢？其他的12个属性也是使用同样的方法吗？最终的决策是怎样得出的？
（2）有没有函数命令直接求得对每类的投票所得的票数？
（3）在使用葡萄酒数据分类时，使用预测函数
[predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(test_label, test_matrix, model, ['libsvm_options']);
，其中的 decision_values/prob_estimates是决策函数f(x)=(w,x)+b的值吗？对于两分类问题，它是nx1维的矩阵，对于红酒的三类问题，它为什么是89x3维的矩阵？
（4）对于葡萄酒数据，训练出的model是：
Parameters: [5x1 double]
nr_class: 3
totalSV: 89
rho: [3x1 double]
Label: [3x1 double]
ProbA: []
ProbB: []
nSV: [3x1 double]
sv_coef: [89x2 double]
SVs: [89x13 double]
系数w，也就是model中的sv_coef怎么成了89x2 维的矩阵了，这个怎么理解？还有SVs到底代表什么？
（5）如果想使用Platt模型p=1/(1+exp(Af+B)) 求模型的概率输出，其中的参数A和B怎么求得？
[ 本帖最后由 xffxff 于 2010-4-28 11:24 编辑 ]
SVM视频：
http://www.ilovematlab.cn/forum-180-1.html
在使用libsvm进行分类时，碰到以下几个问题，求高手指点：
（1）在进行多类分类时，由于libsvm用的是1-v-1方法，但是一般一个样本有很多属性，就拿葡萄酒的样本来说，它是一个三类问题，每个样本有13个属性，那么其训练预测过程是什么呢？训练过程是先对样本的同一属性使用1-v-1方法，进行训练，得到一组支持向量和相应模型，然后呢？其它的12个属性是怎么加入训练过程的？预测时，也是先对所有样本的第一个属性使用训练好的1-v-1模型进行投票决策，接下来呢？其他的12个属性也是使用同样的方法吗？最终的决策是怎样得出的？
（2）有没有函数命令直接求得对每类的投票所得的票数？
（3）在使用葡萄酒数据分类时，使用预测函数
[predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(test_label, test_matrix, model, ['libsvm_options']);
，其中的 decision_values/prob_estimates是决策函数f(x)=(w,x)+b的值吗？对于两分类问题，它是nx1维的矩阵，对于红酒的三类问题，它为什么是89x3维的矩阵？
（4）对于葡萄酒数据，训练出的model是：
Parameters: [5x1 double]
nr_class: 3
totalSV: 89
rho: [3x1 double]
Label: [3x1 double]
ProbA: []
ProbB: []
nSV: [3x1 double]
sv_coef: [89x2 double]
SVs: [89x13 double]
系数w，也就是model中的sv_coef怎么成了89x2 维的矩阵了，这个怎么理解？还有SVs到底代表什么？
（5）如果想使用Platt模型p=1/(1+exp(Af+B)) 求模型的概率输出，其中的参数A和B怎么求得？
[ 本帖最后由 xffxff 于 2010-4-28 11:24 编辑 ]
SVM视频：
http://www.ilovematlab.cn/forum-180-1.html