一类 SVM，得到所有 -1答案

【问题标题】：One class SVM, got all -1一类 SVM，得到所有 -1
【发布时间】：2016-09-21 06:00:09
【问题描述】：

我正在做一个二元分类，它只为图像返回“是”或“否”。因为我只有一个类的图像，所以我想在“目标”和“异常值”之间进行分类。

例如，我正在对消防员进行分类。

我正在使用 Scikit Learn svm.OneClassSVM()。然而，在训练模型后，我每次都得到“-1”，即使是预测训练数据也是如此。

这是我的代码：

X_train = []
for subdir, dirs, files in os.walk("training"):
    for imagePath in files:
        print ("path = ", imagePath)
        img = Image.open(os.path.join(subdir, imagePath))
        img = img.resize(sample_size, PIL.Image.ANTIALIAS)
        img = np.array(img)
        img = img[:,:,0]
        img = img.reshape(1, img.shape[0]* img.shape[1])
        X_train.append(img[0])

clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X_train)

然后我预测“训练数据”的结果

print clf.predict (X_train)

但是，我仍然得到所有“-1”。谁能告诉我怎么了？

【问题讨论】：

X_train 到底长什么样？您是否扩展了数据？

标签： python image scikit-learn svm

【解决方案1】：

您可以通过计算分数样本来设置阈值级别。例如

clf = OneClassSVM()        
y_scores = clf.score_samples(test)

您需要自己检查哪个阈值更好。您可以通过对异常类的一些数据运行模型来检查这一点，并检查您得到的答案低于哪个阈值。分数样本越小，离群值越多。

【讨论】：

【解决方案2】：

最有可能进行超参数调整。 gamma 应该会低很多。

您的训练示例“img[0]”的最终形状是什么？

【讨论】：