SVM 和 ANN 中标注的区别答案

【问题标题】：the difference between labelling in SVM and ANNSVM 和 ANN 中标注的区别
【发布时间】：2017-03-01 06:08:16
【问题描述】：

我对机器学习的标签有疑问，最初我认为机器学习的标签都是一样的。在我尝试实践之后，发现 SVM 和 MLP 标记之间存在差异。真的吗？我正在通过使用 LBP 获取特征来分配车辆（汽车、卡车和公共汽车）的分类，请帮我解决这个问题，有人可以解释如何为 SVM 和 MLP（ANN）做正确的标签？？？

【问题讨论】：

是一样的，但是有些分类器是只为二分类任务构建的，而有些自然是多分类的（需要一些策略来解决二分类分类器的多任务问题） .但是您的问题质量很低，因为您根本没有提供任何细节。这也是题外话。

【解决方案1】：

在大多数 ML 框架中，您使用一个数字来告诉每个数据的类别，该数字告诉每个数据的类别，但在内部：

SVM：

最初 SVM 公式用于二元分类，标签取值 +1 和 -1。

当你有n个类创建n个二元分类器时，你可以执行多类分类，在他的类中使用+1，在其他类中使用-1。

您选择其二元分类器获得更高输出的类。

但是大多数像 libsvm 这样的实现都是在内部完成的，所以你不必担心它。

MLP：

您可以使用 ANN 执行多类分类，方法是使用每个数据的输出训练网络，该输出是长度为 n 的向量，用 0 填充，在属于他的类的位置为 1。

【讨论】：

提前感谢您的回答...但是您能否更详细地解释一下 MLP，因为我试图找到标记的方法但一直没能，我不明白如何制作标记它们的输出向量，请帮忙，因为我是这里的新手
例如，如果你有 3 个类（汽车、卡车、公共汽车），汽车的标签可以是向量 [1,0,0]，卡车的标签是 [0,1 ,0] 并且总线的标签是 [0,0,1]。训练好神经网络后，如果一辆新轿车的输出为 [0.1,0.7,0.2]，那么您将其归类为卡车，因为第二个位置的输出最高，并且该位置对应于一辆卡车。
哦，所以事实证明我有点知识，我猜是同一个 MLP svm 中的第一个标签，因此我用这个“Mat labels(numSamples, 3, CV_32FC1, Scalar (3,0));labels.rowRange(0, numcar) = 标量 (1.0);labels.rowRange(numcar, numcar + numbus - 1) = 标量 (2.0);labels.rowRange(numcar + numbus, numSamples - 1 ) = Scalar (3.0); " 事实证明我得到了相同的输出，不管它是否是标签中的错误？提前感谢已经回答了我的问题，请原谅我的语言很难理解