在 Matlab 中使用 LibSVM 进行支持向量回归的参数答案

【问题标题】：Parameters for Support Vector Regression using LibSVM in Matlab在 Matlab 中使用 LibSVM 进行支持向量回归的参数
【发布时间】：2013-05-25 03:16:03
【问题描述】：

我正在尝试使用 LibSVM 进行回归。我正在尝试检测人脸（10 类不同的人脸）。我将 1-10 标记为面类，11 标记为非面类。我想开发一个使用 LibSVM 的脚本，如果测试图像属于 10 个面部类别中的任何一个，它将给我一个介于 0-1 之间的连续分数，否则会给我 -1（非面部）。从这个分数，我可以预测我的课程。如果测试图像与 1st class 匹配，则分数应该在 0.1 左右。同样，如果测试图像与第 10 类匹配，则分数应该在 1 左右（任何接近 1 的连续值）。我正在尝试通过 LibSVM 使用 SVR 来解决这个问题。我可以很容易地通过分类得到预测的类。但我想要一个可以通过回归得到的连续分值。现在，我在网上寻找使用 LibSVM 的 SVR 的函数或函数中的参数，但我找不到任何东西。有人可以在这方面帮助我吗？

【问题讨论】：

这仍然不是真正的回归。可以使用 Platt 缩放来预测 0 和 1 之间的值，这会将 SVM 转换为概率模型。

标签： matlab libsvm

【解决方案1】：

这不是回归问题。通过回归解决它不会产生好的结果。

您正在处理多类分类问题。解决这个问题的最佳方法是构建 10 个具有概率输出的一对多分类器。要获得概率输出（例如在 [0,1] 区间内），您可以使用 C-SVC 的 -b 1 选项 (-s 0) 进行训练和预测。

如果 10 个分类器中的任何一个为其正类产生足够大的概率，则使用该概率（接近 1）。如果 10 个分类器都没有产生具有足够高置信度的正标签，则可以默认为 -1。

简而言之：制作一个多类分类器，其中包含具有概率输出的一对多分类器。随后使用您选择的概率阈值（例如 0.7）对我描述的预测进行后处理。

【讨论】：

谢谢马克。我试过那个。但是我很困惑如何为某个类获得某个正值（0.0 到 1.0 之间）。例如，如果图像足够接近 1 类，我想要一个理想的分数 0.1，如果测试图像足够接近 2 类，我想要 0.2，如果测试图像足够接近 3 类，我想要 0.3，依此类推（1.o如果测试图像足够接近 10 级）。此外，分数不能是离散的，意味着它的值可以是 6.56（在这种情况下，我会假设它与第 7 类非常接近。
@user2433638：您可以使用 2 个步骤来做到这一点：（1）找到其正类概率最高的分类器，假设它是概率 prob(k) (2) value = k 的类 k -1+概率（k）。如果您找到的最大概率低于您指定的阈值，则产生 -1。
)。现在，我可以使用参数 '-b 1' 获得分数并取最高概率分数进行分类（我已经这样做了），但是不同的类将具有相同的概率值（这意味着概率分数为 8.81，类 1或第 10 类或第 5 类可分为不同的执行方式）。相反，我希望分数为 8.81，我会知道测试图像被归类为第 9 类。”
当你选择在 LIBSVM 中输出概率时，你仍然会得到预测的类标签。然后，您可以将生成的标签+概率后处理为您想要的形式。
value = k-1+prob(k)，根据这个等式，假设我的概率得分为 0.35，k 为 7。现在上面的等式会给我答案 6.35（或 .635 ）。但在这种情况下，我必须选择 6 级（而不是 7 级），因为 .635 比 0.7 更接近 0.6。