使用 libsvm 进行一类分类

Question

快速回顾一下我想做的事情，我想确定一篇文章是否由同一作者撰写。因此我使用一类分类。
在我的训练集（18 个样本）中，它看起来像这样（为了简化，我使用 x 作为数据值）：

1 1:x 2:x "until" 200:x
1 1:x 2:x "until" 200:x

在我的测试集（3 个样本）中，它看起来像这样（为了简化，我使用 y 作为数据值）：

1 1:y 2:y "until" 200:y

对于数据准备（训练和测试集），我将缩放上限和下限设置为+1/-1

-l -1 -u 1

对于训练，我使用 svm_type 是一类 svm，内核类型是 Sigmoid。然而准确率是0%

optimization finished, #iter = 13
obj = 22.901769047004553, rho = 5.476401914859387
nSV = 11, nBSV = 6
Accuracy = 0.0% (0/21) (classification)

谁能告诉我我在这里做错了什么？

Answer 1

您需要调整参数。

nu 是训练错误分数的上限和支持向量分数的下限。通过这样的设置，基本上可以拒绝数据量nu（例如0.01表示1％）并标记为异常值。

同时尝试调整 Sigmoid 内核中的 gamma 和 coef0 值。

虽然它可能不是导致你的训练精度为零的直接因素，但我建议你自己缩放数据而不是 libsvm 的最大最小缩放，检查standard scaling。

 x_mean = mean(x);
 x_std = std(x);
 x = (x - x_mean)./x_std;

然后使用相同的x_mean 和x_std 值来扩展您的测试数据。