libsvm matlab中的2個錯誤「模型不支持概率估計和下標分配維度不匹配」

Question

我想使用庫LIBSVM對策略'one against all'對5個測試圖像進​​行分類，以便獲得每個策略的概率類。所使用的代碼波紋管：

load('D:\xapp.mat'); 
load('D:\xtest.mat'); 
load('D:\yapp.mat');%% matrix contains true class of images yapp=[641;645;1001;1010;1100] 
load('D:\ytest.mat');%% matrix contains unlabeled class of test set ytest=[1;2;3;4;5] 
numLabels=max(yapp); 
numTest=size(ytest,1); 
%# train one-against-all models 
model = cell(numLabels,1); 
for k=1:numLabels 
    model{k} = svmtrain(double(yapp==k),xapp, ['-c 1000 -g 10 -b 1 ']); 
end 
%# get probability estimates of test instances using each model 
prob = zeros(numTest,numLabels); 
for k=1:numLabels 
    [~,~,p] = svmpredict(double(ytest==k), xtest, model{k}, '-b 1'); 
    prob(:,k) = p(:,model{k}.Label==1); %# probability of class==k 
end 
%# predict the class with the highest probability 
[~,pred] = max(prob,[],2); 
acc = sum(pred == ytest) ./ numel(ytest) %# accuracy 

我得到這個錯誤：

型號不支持probabiliy估計
下標的轉讓尺寸不匹配。
錯誤排版（線98）
概率（：，K）= P（：，模型{K} .Label == 1）;班％＃概率==ķ

請幫我提前解決這個錯誤，並感謝

Answer 1

什麼你正在試圖做的是使用一個代碼段，用於評估SVM分類演出而你的目標是正確估計你的測試集的標籤。

我假設你的五個標籤[641;645;1001;1010;1100]（如yapp）。首先你必須刪除ytest，因爲你不知道測試集的任何標籤。用ytest填充一些虛擬值是毫無意義的：SVM將返回我們的預測標籤。

第一個錯誤，因爲在評論中已經指出的是

numLabels=max(yapp); 

你必須按順序收集類的數量變化max()與length()。

訓練階段幾乎是正確的。
考慮到k從1變爲5而yapp的範圍在上面，您應該考慮將double(yapp==k)更改爲double(yapp==yapp(k))：以這種方式，我們將yapp中的第k個值標記爲正值。鑑於k從1變爲5，那麼yapp(k)將從641變爲1100.

而現在是預測階段。
svmpredict()的第一個輸入應該是測試標籤，但現在我們不知道它們，所以我們可以用零矢量填充它（測試集中將有儘可能多的零）。這是因爲如果測試標籤已知，svmpredict()會自動返回精度，但情況並非如此。所以，你必須在第二個for循環改爲

for k=1:numLabels 
    [~,~,p] = svmpredict(zeros(size(xtest,1),1), xtest, model{k}, '-b 1'); 
    prob(:,k) = p(:,model{k}.Label==1); %# probability of class==k 
end 

，最後用

[~,pred] = max(prob,[],2); 

和pred包含預測標籤預測標籤。

注1然而，在這種方法中，您不能測量準確度和/或其他參數，因爲我們稱爲測試集實際上不是測試集。一個測試集是一個標籤集，我們假裝我們不知道它的標籤，以便讓SVM預測它們，然後將預測標籤與實際標籤進行匹配，以便測量它的準確性。

注2：由於第二個for-loop，pred中的預測標籤很可能具有範圍1到5的值。但是，由於您的標籤具有不同的值，因此您可以將映射回考慮到1是641,2是645,3是1001,4是1010,5是1100.