如何获得在更大矩阵上训练的 SVM 以对不同大小的矩阵进行分类

Question

我正在训练一个一对一的支持向量机分类器。我使用 200 x 459 矩阵来训练使用 VLFeat svm 分类器的分类器。 (http://www.vlfeat.org/matlab/vl_svmtrain.html)

[W B] = vl_svmtrain(train_image_feats', tmp', .00001);

其中train_image_feats' 是一个 200 x 459 矩阵，tmp' 是标签矩阵，它是 1 x 459 向量。

上面的命令可以毫无问题地训练 svm，但是在对测试矩阵上获得的分数进行分类时，我得到了一个错误。测试矩阵的大小显然和训练矩阵的大小不一样。

   scores(i, :) = W'*test_image_feats' + B;

test_image_feats' 是一个 200 x 90 矩阵。 scores 是一个 9 x 459 矩阵。 9 因为有 9 个类别（标签）要分类，459 是训练图像的数量。

上面的命令报错：

下标分配维度不匹配。

svm_classify 中的错误（第 56 行） score(i, :) = W'*test_image_feats' + B;

编辑：添加完整代码..

categories = unique(train_labels); 
num_categories = length(categories);
scores = zeros([num_categories size(train_labels, 1)]); %train_labels is 459 by 1 size
for i=1:num_categories %there are 9 categories
   tmp = strcmp(train_labels, categories{i});
   tmp = tmp - (1-tmp);
   [W B] = vl_svmtrain(train_image_feats', tmp', .00001);
   scores(i, :) = W'*test_image_feats' + B;
end
predicted_categories = cell(size(train_labels));
parfor i=1:size(test_image_feats,1)
    image_scores = scores(:, i);
    label_index = find(image_scores==max(image_scores));
    predicted_categories{i}=categories(label_index);
end

Answer 1

从概念上讲，您正在训练一个包含 459 个训练样本的模型来预测 90 个测试样本的分数。

scores = zeros([num_categories size(train_labels, 1)]);

不正确，因为它将是训练集的大小。事实上，您根本不必关心训练集的大小，您可以使用 20 或 20000 张图像来训练模型，预测步骤应该没有什么不同。

scores 的定义必须考虑到测试用例

scores = zeros([num_categories size(test_labels, 1)]);

当您同时使用 459 时，它只起作用，因为 size(test_labels, 1) 等于 size(train_labels, 1)

Answer 2

问题不在于您分配的右手边，而在于score(i,:)：您正试图将一个 9×90 大小的矩阵分配到 score 的 单 行中- 这根本不适合。