使用LIBLINEAR或LIBSVM的自定义SVM优化

Question

我有一个PU学习任务，在本文中发现了解决该问题的特殊算法： https : //www.cs.uic.edu/~liub/publications/ICDM-03.pdf

我希望实现第5部分中描述的“有偏” SVM的非标准表示。

使用两个参数C +和C-分别加权正误差和负误差。

我以为我会在此问题上使用现有的SVM求解器，不仅可以加快操作速度，而且可以确保最佳的时间复杂度，因为我的特征空间和样本数量都非常大（因此，我希望使用LIBLINEAR）。

有什么方法可以像上面的方法那样指定自定义损失函数？

谢谢您的帮助。

Answer 1

LIBLINEAR'train'接受-wi weight参数：“权重调整不同类的参数C”。 即使阅读了README，它的实际用途（是否需要一个数组？）仍然不清楚。 但是 Sklearn的LinearSVC使用LIBLINEAR并提供了一个参数：

class_weight ：{dict，'balanced'}，可选对于SVC，将类i的参数C设置为class_weight [i] * C。 如果未给出，则所有类都应具有权重一。 “平衡”模式使用y值自动将权重与输入数据中的类频率成反比地调整为n_samples /（n_classes * np.bincount（y））

这很有用。