我的模型在 libsvm 工具箱 matlab 中预测所有正类到负类答案

【问题标题】：my model is predicting all positive class to negative class in libsvm toolbox matlab我的模型在 libsvm 工具箱 matlab 中预测所有正类到负类
【发布时间】：2013-02-19 05:26:40
【问题描述】：

我在 Matlab 中使用 libsvm 工具箱创建了一个分类器。它将所有正类数据分类为负类，反之亦然。我在进行交叉验证时得到了很好的结果，但是在测试一些数据时，我发现分类器的工作方式错误。我似乎无法弄清楚问题出在哪里。

谁能帮我解决这个问题。

【问题讨论】：

分类器的预测是否完全相反？如果是，那么这将是一个评估问题。
感谢您的回复。是的，它预测完全相反。请告诉我如何解决它。
这意味着训练中的类别0变成了类别1（错误地）。它只是一个评估问题。检查您是否在训练和测试中遵循了完全相同的协议。你会在某个地方发现错误。
非常感谢。我没有明白你所说的“协议”是什么意思。我检查了我的输入文件，它们没问题，我正在使用 matlab libsvm。在那里我只需要提供数据，剩下的就交给他们了。我只使用命令来训练数据集、创建模型、在该模型上测试数据集。在这里我应该提到，我使用相同的数据集进行训练和测试。例如，如果我使用 1-900 个实例进行训练，则使用其余 400 个实例进行测试。如果您能再帮我一些忙，我将不胜感激。我真的被困住了。
@syeda-firdaus：我理解正确吗：你的准确率正好是 0%？

标签： matlab libsvm classification

【解决方案1】：

当第一个训练示例的（二进制）标签为 -1 时，这是 libsvm 先前版本的“功能”。最简单的解决方案是获取最新版本 (> 3.17)。

更多详情请看这里：http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html#f430

【讨论】：

这就是答案。谢谢

【解决方案2】：

假设您有 500 个训练实例。 250 将是正数，其他为负数。现在在测试集中，与正例具有相同特征的实例将被预测为正例。但是，当您向 LIBSVM 提供测试标签（您必须提供测试标签以便 LIBSVM 可以计算准确性，它们显然不会用于预测算法）时，您已经提供了完全相反的标签（错误地）。所以你有一种感觉，你预测的标签已经完全相反了。因为对于二元分类问题，即使是随机分类器也有 50% 的准确率。

【讨论】：

非常感谢您的回复。我总共有 1600 个实例，443 个带有正面标签，其余的带有负面标签。从我使用 300 个阳性作为训练集和其余 143 个数据集进行测试的那些中。我保留了用于测试标签的数据。我使用 400 个负例进行训练，使用 200 个数据集进行测试。最后，当我使用所有 343 dbataset 进行测试时。所有正面和负面都已正确标记。经过测试，我得到了完全相反的结果。 like poisities 被预测为负数，反之亦然。请您进一步帮助我。