使用LIBSVM的MultiClass

Question

我有一個多類svm分類（6類）。 我想使用LIBSVM對它進行分類。 以下是我嘗試過的內容，對此我有一些疑問。

方法1（一對一）：

model = svmtrain(TrainLabel, TrainVec, '-c 1 -g 0.00154 -b 0.9');
[predict_label, accuracy, dec_values] = svmpredict(TestLabel, TestVec, model);

關於此方法的兩個問題：1）對於多類問題，我所要做的只是2）'-b n'中的n應該是什么值。 我不確定

方法2（一個vs休息）：

u=unique(TrainLabel); 
N=length(u); 
if(N>2)    
    itr=1;    
    classes=0;   
    while((classes~=1)&&(itr<=length(u)))   
        c1=(TrainLabel==u(itr));    
        newClass=double(c1); 
        tst = double((TestLabel == itr));
        model = svmtrain(newClass, TrainVec, '-c 1 -g 0.00154');  
        [predict_label, accuracy, dec_values] = svmpredict(tst, TestVec, model);    
        itr=itr+1;   
    end
    itr=itr-1;
end

對於第二種方法，如何附加分類分數。 我無法投票。

除此之外，這是我嘗試過的兩種方法。 哪種方法更好？

想聽聽一些意見。 如果我錯了，請糾正我。

Answer 1

關於“ -b”參數，在LIBSVM README中它說：

-b density_estimates：是否為概率估計訓練SVC或SVR模型，0或1（默認0）

因此，如果希望訓練后的模型返回類概率，則應指定“ -b 1”，否則，則應指定“ -b 0”。 您只需要調用一次svmtrain 。 另外，如果為訓練指定“ -b 1”，則還必須為預測指定它。