分类得分：支持向量机（SVM）

Question

我正在使用libsvm进行多类别分类。如何附加分类分数以比较分类的置信度，并将其与给定样本的输出进行比较，例如：

Class 1: score1

Class 2: score2

Class 3: score3

Class 4: score4

- Xolve

---

我不想要一个单一的类别ID作为分类输出。相反，输出应该是这样的：给定的样本可以用概率得分1分类到类别1。 - Xolve

Answer 1

您可以首先使用一对所有的方法，并通过在libSVM中设置决策值选项将它们视为2类分类。这是通过将每个类作为正类，其余类别作为负类来实现的。

然后，比较结果的决策值以对样本进行分类。例如，样本1对于类1的决策值为0.54，对于类2的决策值为0.64，对于类3的决策值为0.43，对于类4的决策值为0.80，则可以将其分类为类4。

您还可以使用概率值而不是决策函数值来进行分类，方法是在libSVM中使用-b选项。

希望这能帮到您。

- Mullaly

---

将距离归一化到超平面并不总是一个衡量属于某一类概率的好方法。请参考 Zadrozny 和 Elkan 的这篇论文。 - David C

Answer 2

另一个选择是使用LIBLINEAR包，它在内部实现了一对多策略来解决多类问题。在LIBSVM中，这个实现是基于一对一策略的。

- Ayan