Относительно вероятностных оценок, предсказанных LIBSVM

Question

Я пытаюсь классифицировать 3 класса с помощью классификатора SVM.Как мы интерпретируем оценки вероятности, предсказанные LIBSVM.Основан ли он на перпендикулярном расстоянии экземпляра от гиперплоскости с максимальным запасом? *

Пожалуйста, расскажите немного об интерпретации оценок вероятностей, предсказанных классификатором LIBSVM.Параметры C и gamma сначала настраиваются, а затем оценки вероятности выводятся с использованием опции -b как с обучением, так и с тестированием.

Answer 1

Мультикласс SVM всегда разбивается на несколько двоичных классификаторов (обычно это набор из одного и всех классификаторов).Решающая функция любого двоичного классификатора SVM выводит (подписанное) расстояние до разделяющей гиперплоскости.Вкратце, SVM отображает входную область в одномерное действительное число (значение решения).Предсказанная метка определяется знаком значения решения.Наиболее распространенный метод получения вероятностного результата из моделей SVM - так называемое масштабирование Платта (статья авторов LIBSVM) .

Основано ли оно на перпендикулярном расстоянии экземпляра отмаксимальный предел гиперплоскости?

Да. Любой классификатор , который выводит такое одномерное реальное значение, может быть подвергнут последующей обработке для получения вероятностей путем калибровки логистической функции по значениям решения классификатора.Это точно такой же подход, как в стандартной логистической регрессии .

Answer 2

SVM выполняет двоичную классификацию. Для достижения мультиклассовой классификации libsvm выполняет то, что называется «один против всех». Когда вы вызываете -b, вы получаете вероятность, связанную с этой техникой, которую вы можете найти объясненной здесь .