svm.svm_predict_probability方法(用于返回类型)是如何工作的？

Question

我们有两个类别，有很多文档，其中一些在第一类，另一些在第二类，我成功地得到了类别模型，正如您所知道的，svm.svm_predict_probability方法返回1 or -1。

我想知道它何时返回1，何时返回-1，如何找到分配给第一个类别的数字以及分配给第二个类别的数字

提前谢谢，

Answer 1

根据libsvm常见问题

内部类标签是根据它们在培训集中的第一次出现来排序的。对于k类数据，内部标号为0，.，k-1，每个两类支持向量机考虑对(i，j)与i< j，则I类被视为正(+1)，j为负(-1)。例如，如果数据集的标签为+5/+10和+10，那么内部+5与+10 SVM问题的+10为正(+1)，+5为负(-1)。 通过此设置，如果您有+1和-1标签，则可能在内部它们分别对应于-1和+1。一些新用户对此感到困惑，因此在3.17版本之后，如果数据集只有两个标签+1和-1，那么在内部我们确保+1在-1之前。然后，在支持向量机问题中，类+1总是被视为正的。请注意，这仅适用于两类数据。

因此，在现代libsvm (3.17之后)中有两种情况：

• 如果您的训练数据中有+1和-1类，则在模型中是相同的。
• 否则，出现在训练数据中的第一类是+1级，第二个是-1级。

内部决定是根据支持向量机问题的具体表述作出的，可以简短地说明如下：

f(x) = sgn( SUM_i alpha_i y_i K(SV_i,x) + b )

哪里

• alpha_i -在优化过程中发现的拉格朗日系数(第一支持向量)
• I‘’th支持向量的y_i标号
• SV_i -I‘’th支持向量
• B-截距/偏置值(在优化过程中找到)
• K(.，.) -核函数用于训练，例如线性核K(x，y) = x'y，或径向基函数核K(x，y) = exp(-gamma _x_x-y_x_(^2))