使用 LIBSVM 和 MATLAB 计算经验风险答案

【问题标题】：Calculating Empirical Risk using LIBSVM and MATLAB使用 LIBSVM 和 MATLAB 计算经验风险
【发布时间】：2015-12-01 02:06:19
【问题描述】：

我正在尝试了解如何使用 MATLAB 和 LIBSVM 的 MATLAB 绑定来计算经验风险。我有 Y 个结果 (1,100) 标记为 -1 或 +1，以及 X (100,10) 给出的 10D 观察结果。然后我打电话给svmtrain 来获取我的模型。经验风险由以下等式给出：

根据我从svmtrain 收到的值，我如何获得 f(xi, alpha)？

这是我目前所拥有的：

params = sprintf('-s 0 -t 0 -c %d', C); 
%X1 and Y1 are values I generate
m1 =  svmtrain(Y1, X1, params);
y = diag(Y1(m1.sv_indices));
x = X1(m1.sv_indices, :);
alpha = m1.sv_coef;
w = alpha'*y*x;

【问题讨论】：

请注意：fitcecoc、templateSVM 和 predict 是 MATLAB 中 SVM 的较新版本。
训练样本的alpha的值是多少？
为什么重要？但它们是 67.9780 84.2423 100.0000 100.0000 98.8217 100.0000 -100.0000 -100.0000 -22.6435 -100.0000 -100.0000 -87.2030 -41.1956

标签： matlab libsvm

【解决方案1】：

经验风险只是错误分类的训练数据点的比率。 yi 是实际标签，f(xi, alpha) 是基于训练有素的支持向量 alpha 的 SVM 的预测标签。该公式假定标签为 +1 或 -1。

【讨论】：