Python OpenCV2 SVM 获得分数而不是是/否响应

Question

我想针对 2 类问题训练 RBF 内核 SVM。目前 SVM 只预测 0 或 1，但我希望它返回到决策边界的距离。我怎样才能做到这一点？

self.svm = cv2.ml.SVM_create()
self.svm.setKernel(cv2.ml.SVM_RBF)
self.svm.train(features, cv2.ml.ROW_SAMPLE, labels)
res = svm.predict(testdata, True)

我的特征是 dtype=np.float32 的 np.arrays，我的标签是 dtype=np.int 的 np.arrays，“no”类的值为 0，“yes”类的值为 1

文档说 svm.predict 返回第二个参数为 True 的分数，但我只得到这样的结果：

(0.0, 数组([[ 0.], [0.], [0.], ..., [0.], [0.], [0.]]，dtype=float32))

我是否必须更改 SVM 类型？如果是，我应该选择哪个？

Answer 1

您可以使用 scikit-learn 包来生成您的 svm。

训练：

from sklearn.svm import LinearSVC
clf=LinearSVC(C=1.0,  class_weight='balanced')
clf.fit(features, labels)
svm_w = clf.coef_[0]
svm_intercept = clf.intercept_[0]

测试：

response_list = list()
for ft in feature_list:
    val = (sum(p*q for p,q in zip(ft,svm_w)) + svm_intercept)[0]
    response_list.append(val)

这会根据与超平面的距离为您提供特征的 SVM 响应。