提高 SVM 的准确度性能

Question

我正在研究使用 HOG 和 LBP 两种不同功能进行检测的人。我使用 SVM 来训练正样本和负样本。在这里，我想问一下如何提高SVM本身的准确性？因为，每次我添加更多的正负样本时，准确性总是在下降。目前我的正样本是1500，负样本是700。

%extract features
[fpos,fneg] = features(pathPos, pathNeg);  
%train SVM
HOG_featV = loadingV(fpos,fneg);   % loading and labeling each training example
fprintf('Training SVM..\n');
%L = ones(length(SV),1);
T = cell2mat(HOG_featV(2,:));
HOGtP = HOG_featV(3,:)';
C = cell2mat(HOGtP); % each row of P correspond to a training example 


%extract features from LBP
[LBPpos,LBPneg] = LBPfeatures(pathPos, pathNeg);
LBP_featV = loadingV(LBPpos, LBPneg);
LBPlabel = cell2mat(LBP_featV(2,:));
LBPtP = LBP_featV(3,:);
M = cell2mat(LBPtP)'; % each row of P correspond to a training example

featureVector = [C M];
model = svmlearn(featureVector, T','-t 2 -g 0.3 -c 0.5');

有人知道如何找到最佳的 C 和 Gamma 值来提高 SVM 的准确性吗？

谢谢，

Answer 1

要找到提高 SVM 准确性的最佳 C 和 Gamma 值，您通常会执行交叉验证。总之，您可以保留一个（1 个样本）并使用不同的参数（2 个参数定义 2d 网格）测试该样本的 VBM。通常，您会在一定范围内测试每个十年的参数。例如：C = [0.01, 0.1, 1, ..., 10^9]; G= [1^-5, 1^-4, ..., 1000]。这还应该通过优化超参数来提高 SVM 的准确性。

通过再次查看您的问题，您似乎正在使用 Matlab 的机器学习工具箱（统计工具箱）的 svmlearn。因此，您已经有用于交叉验证的内置函数。给个看看：http://www.mathworks.co.uk/help/stats/support-vector-machines-svm.html

Answer 2

我之前按照ASantosRibeiro的方法优化了参数，效果很好。 此外，您可以尝试添加更多的负样本，直到负样本和正样本的比例达到2:1。原因是当你实现实时应用时，你应该逐步扫描整个图像，通常提取的负样本比包含人的样本要多得多。 因此，添加更多的负训练样本是提高整体准确率（包括假阳性和真阴性）的一种非常简单但有效的方法。