为什么matlab中的`libsvm`给了我所有1个预测

Question

我在R 和matlab 中使用svm 和相同的dataset。

我的 R 代码运行良好，这给了我一些合理的预测。

matdat <- readMat(con = "data.mat")
svm.model <- svm(x = matdat$normalize.X, y = matdat$Yt)
pred <- predict(svm.model, newdata = matdat$normalize.X)
pred <- sapply(pred, function(x){ifelse(x > 0, 1, -1)})
sum(pred == matdat$Yt)/length(matdat$Yt)

但是，我的 matlab 代码为我提供了对训练数据的所有 1 个预测。

load('data.mat')
model2 = svmtrain(Yt, normalize_X,'-s 3 -c 1 -t 2 -p 0.1');
[predicted_label,accuracy, decision_values] = svmpredict(Yt, normalize_X, model2);

我检查了svm{e1071}的默认参数，我认为与matlab版本一致。

我在 R 中使用带有版本 1.6-7 的 e1071 包。以及来自官方页面的最新 libsvm。

那么，我该怎么做才能找到原因，有什么想法吗？

==== 更新====

在将数据输入到 data 中的 libsvm 之前，我应用 mapstd 来规范化在 R 中自动完成的数据。然后我在 R 和 Matlab 中得到了相同的训练模型。

Answer 1

在 Matlab 中，您使用 -s 3 选项，它是回归，而不是分类。 作为起点，不要假设任何关于默认参数的内容，只需在 R 和 Matlab 中明确指定参数即可。