libsvm 预测方法混淆答案

【问题标题】：libsvm predict method confusionlibsvm 预测方法混淆
【发布时间】：2011-05-31 08:28:00
【问题描述】：

我对 libsvm 中的 svm_predict() 方法有疑问。

README 中有这个快速入门示例代码：

>>> y, x = [1,-1], [{1:1, 3:1}, {1:-1,3:-1}]
>>> prob  = svm_problem(y, x)
>>> param = svm_parameter('-c 4 -b 1')
>>> m = svm_train(prob, param)

>>> p_label, p_acc, p_val = svm_predict(y, x, m)

现在我知道 y 是与 x 中的字典相关联的类别列表。我也了解 svm_train 部分。

没有意义的部分是在 svm_predict 中，我需要提供来自 y 的“真实值”以及 x 中的测试数据。我以为我的想法是我提前不知道测试数据的分类。

如果我的训练数据是：

y = [1, 2, 3]
x = [{1:1}, {1:10}, {1:20}]

但我的测试数据是：

z = [{1:4}, {1:12}, {1:19}]

那为什么我需要将 z 的真实值传递到 svm_predict() 中，例如：

a, b, c = svm_predict(y, z, m)

我不会知道 z 的真实值——这就是预测的目的。我应该在执行预测时为 y 输入任意分类值，还是完全遗漏了什么？

谢谢大家

【问题讨论】：

标签： python machine-learning libsvm

【解决方案1】：

它使用真实标签为您提供准确度统计数据，以防您进行样本外测试。

如果您“在线”运行它，即您实际上没有真正的标签，那么只需输入 [0]*len(z) 而不是 y

【讨论】：

【解决方案2】：

你可以考虑使用

http://scikit-learn.sourceforge.net/

这有一个很棒的 libsvm 的 python 绑定

【讨论】：