Pyml得到的分类器如何使用

Question

我是 Python 中 PyML 的新用户。使用the tutorial，我做了以下事情：

from PyML import *
data = SparseDataSet("heart")
s = SVM()
s.train(data) 
r = s.cv(data,5)

我得到了结果集r，但我不明白如何使用这个结果集用 Python 对一个全新的实例进行分类。有经验的人可以帮帮我吗？任何建议将不胜感激。

谢谢。

Answer 1

在r = s.sv(data,5) 中，您正在进行交叉验证，它用于通过对数据集的不同部分进行 5 次训练和测试来衡量分类器的性能。当您的目标是对新实例进行分类时，这不是必需的。

要对新实例进行分类，最好将它们放在不同的数据集中，并在训练后使用 SVM 对象的测试方法：

s = SVM()
s.train(trainingDataset)
r = s.test(testDataset)

然后，您将获得对 testDataset 中的新实例进行分类的结果。 使用s.test() 的一个选项是使用s.classify(data, i) 和s.decisionFunc(data, i) 在训练后对单个数据点进行分类，但在教程文档中不建议这样做，因为您不会获得结果对象中包含的额外结果信息（例如您从s.test、s.cv 或s.stratifiedCV 方法获得）。