我对libsvm中的svm_predict()方法有一个疑问。

README中有一个快速入门的示例代码：

>>> y, x = [1,-1], [{1:1, 3:1}, {1:-1,3:-1}]>>> prob  = svm_problem(y, x)>>> param = svm_parameter('-c 4 -b 1')>>> m = svm_train(prob, param)>>> p_label, p_acc, p_val = svm_predict(y, x, m)

我理解y是一个与x中的字典关联的类别列表，我也理解svm_train部分的用法。

但在svm_predict部分，我不明白的是，为什么我需要提供y中的“真实值”，以及x中的测试数据。我以为测试数据的分类是提前不知道的啊。

如果我的训练数据是这样的：

y = [1, 2, 3]x = [{1:1}, {1:10}, {1:20}]

而我的测试数据是这样的：

z = [{1:4}, {1:12}, {1:19}]

那么为什么我还需要在svm_predict()中传入z的真实值，像这样：

a, b, c = svm_predict(y, z, m)

我并不会知道z的真实值——这正是预测的目的啊。我在进行预测时，应该只是随意填写y的分类值吗，还是我完全误解了什么？

谢谢大家

回答：

它使用真实标签来提供准确性统计数据，如果你是在进行样本外测试的话。

如果你是在“在线”运行，即你实际上没有真实标签，那么只需用[0]*len(z)代替y即可