我是 SVM 的新手，我正在尝试使用 Python 接口与libsvm，用于分类包含均值和标准差的样本。但是，我得到的结果毫无意义。
这项任务是否不适合 SVM，或者我在使用 libsvm 时是否存在错误？ 以下是我用于测试的简单 Python 脚本：
#!/usr/bin/env python# Simple classifier test.# Adapted from the svm_test.py file included in the standard libsvm distribution.from collections import defaultdictfrom svm import *# Define our sparse data formatted training and testing sets.labels = [1,2,3,4]train = [ # key: 0=mean, 1=stddev {0:2.5,1:3.5}, {0:5,1:1.2}, {0:7,1:3.3}, {0:10.3,1:0.3},]problem = svm_problem(labels, train)test = [ ({0:3, 1:3.11},1), ({0:7.3,1:3.1},3), ({0:7,1:3.3},3), ({0:9.8,1:0.5},4),]# Test classifiers.kernels = [LINEAR, POLY, RBF]kname = ['linear','polynomial','rbf']correct = defaultdict(int)for kn,kt in zip(kname,kernels): print kt param = svm_parameter(kernel_type = kt, C=10, probability = 1) model = svm_model(problem, param) for test_sample,correct_label in test: pred_label, pred_probability = model.predict_probability(test_sample) correct[kn] += pred_label == correct_label# Show results.print '-'*80print 'Accuracy:'for kn,correct_count in correct.iteritems(): print '\t',kn, '%.6f (%i of %i)' % (correct_count/float(len(test)), correct_count, len(test))这个领域看起来很简单。我希望如果它被训练成知道 2.5 的均值意味着标签 1，那么当它看到 2.4 的均值时，它应该返回标签 1 作为最可能的分类。但是，每个内核的准确率都是 0%。为什么会这样？
另外，有没有办法隐藏 libsvm 在终端中转储的所有冗长训练输出？我搜索了 libsvm 的文档和代码，但找不到任何关闭它的方法。
此外，我希望使用简单的字符串作为稀疏数据集中的键（例如，{‘mean’:2.5,’stddev’:3.5}）。不幸的是，libsvm 仅支持整数。我尝试使用字符串的长整数表示形式（例如，’mean’ == 1109110110971110），但 libsvm 似乎将这些截断为普通的 32 位整数。我看到的唯一解决方法是维护一个单独的“键”文件，该文件将每个字符串映射到一个整数（’mean’=0, ‘stddev’=1）。但显然这将很麻烦，因为我必须维护和持久化第二个文件以及序列化的分类器。有人看到更简单的方法吗？
回答：
问题似乎来自将多类预测与概率估计相结合。
如果您将代码配置为不进行概率估计，它实际上可以工作，例如：
<snip># Test classifiers.kernels = [LINEAR, POLY, RBF]kname = ['linear','polynomial','rbf']correct = defaultdict(int)for kn,kt in zip(kname,kernels): print kt param = svm_parameter(kernel_type = kt, C=10) # Here -> rm probability = 1 model = svm_model(problem, param) for test_sample,correct_label in test: # Here -> change predict_probability to just predict pred_label = model.predict(test_sample) correct[kn] += pred_label == correct_label</snip>通过此更改，我得到：
--------------------------------------------------------------------------------Accuracy: polynomial 1.000000 (4 of 4) rbf 1.000000 (4 of 4) linear 1.000000 (4 of 4)如果将训练集中的数据加倍（即，包含每个数据点两次），则使用概率估计进行预测确实有效。但是，我找不到任何方法来参数化模型，以便多类预测与概率一起仅适用于原始的四个训练点。
