求助关于libsvm的predict方法的具体意义

求助关于libsvm的predict方法的具体意义

题主的问题一是如何使用LIBSVM工具，二是对模式识别、机器学习中的一些概念不清楚。下面以matlab版libsvm为例： 训练命令： model = svmtrain(train_label, train_data, ['libsvm_options']); 测试命令： [predict_label, accuracy, dec_values]...

题主的问题一是如何使用libsvm工具，二是对模式识别、机器学习中的一些概念不清楚。下面以matlab版libsvm为例： 训练命令： model = svmtrain(train_label, train_data, ['libsvm_options']); 测试命令： [predict_label, accuracy, dec_values] = svmpredict(test_label, test_data, model); 0. “使用svm-train训练完成后，将一行数据作为测试样本，运行svm-predict。测试数据的首位label值我是随意写的，结果predict出来一个accuracy=0% （0/1），如果我修改首位label值为训练样本中的某类别编号，则accuracy=100% （1/1）。” 首先， 如果测试样本的label在训练样本里没出现过，那accuracy肯定是0. 想想这个类别之前都没训练学习过，机器怎么可能把它预测出来。 其次，用训练样本当作测试样本，这个意义不大。即使在训练样本上测试的结果是100%，这也并不说明问题，更可能的是过拟合。 1. “我想要知道单个测试样本最有可能属于哪一个类别（训练时用的是多类别分类），该如何做？” 单个样本预测的类别，就是上述测试命令中的返回值predict_label，它是一个列向量，第i个元素代表第i个测试样本的预测类别。 2. “我看见不少人在训练完成后，用另一个样本集做predict，返回一个介于0%和100%之间的accuracy值。我想这个值只能解释为测试样本中正确的类别编号所占的百分比，但这又有何意义？这个accuracy到底是什么意义？” 这个accuracy非常有意义。想想你训练了一个模型，如何评价这个模型的好坏？当然是找一组新的测试数据来进行预测，如果预测的准确率非常高，100%，那说明之前训练的模型是比较好的。当然前提是测试样本也要足够多。