如何在使用LIBSVM進行交叉驗證時使用platt scaling？

有人可以給我舉例來說明在libsvm的多類SVM分類中，platt縮放如何與k-fold交叉驗證一起使用？如何在使用LIBSVM進行交叉驗證時使用platt scaling？

我將整個數據集分爲兩部分：培訓和測試。對於交叉驗證，我正在劃分訓練數據，以便1個分區用於測試，其餘部分用於訓練多類SVM分類器。

2016-04-09 Naquib Alam

Platt縮放與您的分區或多類設置無關。 Platt縮放是每個單獨的二進制SVM的內部技術，其僅使用訓練數據。這實際上只是在您學習的SVM預測之上擬合邏輯迴歸。

2016-04-09 22:53:46 lejlot

「交叉驗證是一種更好的方法，比用於估計參數A和B的保留集合在3倍CV中，訓練集被分成3部分，每個SVM都被訓練成排列爲2在3個部分中，fi在剩下的3日進行評估，所有三組fi的聯合可以形成sigmoid的訓練集（也可以用來調整SVM參數）。上面我引用了普拉特的論文，但我似乎不明白它正在討論哪種訓練集。這是我用來執行10倍簡歷來調整C和Gamma的訓練集嗎？ –

輸入參數： deci =支持向量機決策值數組 label =布爾值數組：是標記+1的示例？上一頁1 =正例數 prior0 =負實例數輸出： A，B =乙狀結腸的參數，但在提供紙狀態是上述的輸入/輸出參數普拉特僞代碼。 'deci'參數是來自libsvmpredict的測試數據的輸出決策分數嗎？對於'標籤'，對應於這些標籤是哪個示例？對應於哪一組，沒有。積極和沒有。它需要的負面例子？ –

我們是否還在測試集（每個摺疊的1-分區）上使用平面縮放比例，同時使用K倍CV來調整C和伽馬值，還是隻在最終的測試集中訓練完整數據集後才使用platt 。 –

如何在使用LIBSVM進行交叉驗證時使用platt scaling？

回答

相關問題