Libsvm 模型中的支持向量是如何排列的？答案

【问题标题】：How is support vectors arranged in Libsvm model?Libsvm 模型中的支持向量是如何排列的？
【发布时间】：2016-06-05 11:52:49
【问题描述】：

我想使用从 Libsvm 模型派生的参数来预测新数据（不是在 matlab 中）。请问model中的支持向量（nSV, sv_coef, SVs）是否按照模型中Label的顺序排列？下面是使用线性核从fisheriris 导出的模型，Label 是 [3;2;1] 那么这是否意味着 nSV、sv_coef、SV 的顺序是 [class3;class2;class1]？

【问题讨论】：

标签： matlab machine-learning svm libsvm supervised-learning

【解决方案1】：

确实如此。我一直在做类似的实验，我的结果是

看起来前三个 SV 来自第 1 类。从我得到的 SV 索引字段中

通过查看标签向量中的这些索引，我得到了：

第 24、第 25 和第 42 个模式确实有标签 1。

第 4 个 SV 索引是 53，它具有标签 2...等等。

【讨论】：

谢谢！还有...如果我做二进制分类，例如nSV=[25;24]，Label=[2;1]，sv_coef应该被分成2部分（前25个实例代表class2 vs class1的coef，后24个实例代表 class1 与 class2 的系数）。在计算class2 vs class1的决策值时，我应该使用zsvs'*coef-rho（z是新的数据样本），但是当计算class1 vs class2的决策值（即使用sv_coef的后半部分）时，应该我使用 zsvs'coef-rho 或 zsvs'*coef+rho(z 是新数据样本)...？
我可以对你说实话吗？在 LibSVM 中不需要这样的计算。通过在svmtrain() 和svmpredict() 中使用命令-b 1，LibSVM 会自动为您评估决策值。特别是，决策值将是svmpredict() 的第三个输出，您可以将其称为[PredictedLabels, Accuracy, DecisionValues]=svmpredict(ValidationLabels,ValidationSet,SVMmodel,'-b 1')
是的，是的，我知道 :D 但我需要在 matlab 之外做预测部分......这意味着我需要使用模型给我的参数在其他地方重建方程（在 java例如）
在这里看看这个答案：stats.stackexchange.com/questions/126379/…