关于LIBSVM预测的概率估计
关于LIBSVM预测的概率估计
提问于 2011-10-18 12:49:42
我正在尝试使用SVM分类器进行3类分类。我们如何解释LIBSVM预测的概率估计。它是否基于实例与最大边距超平面的垂直距离？
请通过一些关于LIBSVM分类器预测的概率估计的解释。首先调整参数C和gamma，然后使用带有训练和测试的-b选项输出概率估计。
回答 2
Stack Overflow用户
发布于 2013-05-29 06:50:15
多类支持向量机通常被分解成几个二进制分类器(通常是一个分类器对所有分类器的集合)。任何二进制SVM分类器的决策函数都会输出到分离超平面的(有符号)距离。简而言之，SVM将输入域映射到一维实数(决策值)。预测标签由决策值的符号确定。从支持向量机模型中获取概率输出的最常见技术是通过所谓的Platt scaling (paper of LIBSVM authors)。
是否基于实例与最大边距超平面的垂直距离？
是。通过在分类器的决策值上校准逻辑函数，可以对输出这种一维实值的任何分类器进行后处理，以产生概率。这与标准logistic regression中的方法完全相同。
Stack Overflow用户
发布于 2013-05-29 06:33:31
支持向量机执行二进制分类。为了实现多类分类，libsvm执行所谓的one vs all。当您调用-b时，您得到的是与此技术相关的概率，您可以找到解释过的here。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/7802556
复制相关文章
相似问题
腾讯云开发者
