svm 预测标签的概率输出
对于图片或文本,如果童鞋们需要初试分类效果,在MatLab做实验是比较简单的。例如:使用Libsvm库函数svmtrain()训练学习出一个模型Factor, 然后代入Factor,得到预测标签向量Predict_label。
但是,这些都是人家的工作,假若我们加入自己的思路呢?例如:对于图片分类实验,预测标签的时候,加入K阶标签共现值呢?你或许不是仅仅得到预测标签Predict_label,而是希望得到标签概率向量 Scores,输出概率值。
在Libsvm下怎么做?简单。
Factor = svmtrain(train_label, train_data, '-b 1');
[predicted_label, accuracy, Scores] = svmpredict(test_label, test_data, Factor, '-b 1');
这里,-b 1表示打开概率输出开关。默认是:-b 0,不输出概率值。
训练标签:train_label,
训练数据:train_data,
预测标签:predicted_label,
测试数据:test_data
查准率:accuracy
标签概率:Scores
若是完全忽略掉predicted_label(预测标签向量), accuracy(查准率),则libsvm函数写为:
test_label = zeros(size(X_te,1), 1);% 哑元test_label
Factor = svmtrain(train_label, train_data, '-b 1');
[~, ~, Scores] = svmpredict(test_label, test_data, Factor, '-b 1');
建议拿点真实的、靠谱的公开数据集玩玩。例如:Corel 5K等等。太多啦。
当然,这里,我们还仅仅是只谈论多类单标签(Multi Class & Single Label)问题。而没有涉及多类多标签(Multi Class & Multi Label)问题。
svm 预测标签的概率输出相关推荐
- R语言构建xgboost模型、预测推理:输出预测概率、预测标签
R语言构建xgboost模型.预测推理:输出预测概率.预测标签 目录 R
- Python使用tpot获取最优模型、将最优模型应用于交叉验证数据集(5折)获取数据集下的最优表现,并将每一折(fold)的预测结果、概率、属于哪一折与测试集标签、结果、概率一并整合输出为结果文件
Python使用tpot获取最优模型.将最优模型应用于交叉验证数据集(5折)获取数据集下的最优表现,并将每一折(fold)的预测结果.概率.属于哪一折与测试集标签.结果.概率一并整合输出为结果文件 目 ...
- R语言使用caret包对GBM模型参数调优(自定义调优的评估指标,例如ROC指标):抽取预测标签及类概率、抽样ROC的指标并绘制密度图
R语言使用caret包对GBM模型参数调优(自定义调优的评估指标,例如ROC指标):抽取预测标签及类概率.抽样ROC的指标并绘制密度图 目录 R语言使用caret包对GBM模型参数调优(自定义调优的评 ...
- ROC曲线是通过样本点分类概率画出的 例如某一个sample预测为1概率为0.6 预测为0概率0.4这样画出来,此外如果曲线不是特别平滑的话,那么很可能存在过拟合的情况...
ROC和AUC介绍以及如何计算AUC from:http://alexkong.net/2013/06/introduction-to-auc-and-roc/ ROC(Receiver Operat ...
- sklearn 相关性分析_用sklearn机器学习预测泰坦尼克号生存概率
前言 本文为练手记录,适用于刚入门的朋友参照阅读练习,大神请绕道,谢谢! 阅读大约需要10分钟. 一.理解项目概况并提出问题 1.1 登陆官网查看项目概况 Titanic: Machine Learn ...
- 数据分析+分类模型预测乳腺癌患病概率
一.前言 本文利用python预处理数据集,再通过机器学习模型:LR.SGD预测乳腺癌患病概率,对比两个模型的预测效果,选择最优的预测方式. 二.数据集说明 数据集源于威斯康星州临床科学中心. ...
- svm 图片加标签_基于半监督的SVM多标签图数据分类算法研究
宋文广 李程文 谭建平 摘 要:传统的图数据分类研究主要集中在单标签集,然而在很多应用中,每个图数据都会同时具有多个标签集.文章研究关于多标签图数据分类问题,并提出基于半监督的SVM多标签图数据分 ...
- matlab 股票 小波,小波分析 + 支持向量机(SVM)预测股票涨跌幅的实现
刚刚开始进入量化投资领域,最近在做金融数据方面的预测,用到了数据挖掘的知识,花了大概半个月的时间搞懂研报的思想,学习研报中提到的数据处理和机器学习算法,并实现了这个量化投资的核心模型部分,虽然结果显示 ...
- DL之simpleNet:利用自定义的simpleNet(设好权重)对新样本进行预测、评估、输出梯度值
DL之simpleNet:利用自定义的simpleNet(设好权重)对新样本进行预测.评估.输出梯度值 导读 理解神经网络内部的数学机制 目录 输出结果 核心代码 输出结果 输出权重参数: [[-0. ...
- 第三期 预测——2.输入和输出
预测的输入和输出 预测模块使用来自传感器融合的地图和数据来生成关于所有其他动态对象可能做的预测.为了更清楚地说明,我们来看一个预测输入和输出的例子(json格式). 示例输入 - 传感器融合 {&qu ...
最新文章
- matlab 两列数据相乘,在EXCEL中,两列完全相同的数据,求和结果不一样??单元格两列相乘的公式...
- svn提交及更新时的常见问题
- HDU 5097 Page Rank (模拟)
- Code for City 黑客松 | 成都站启动
- RTMPdump(libRTMP)源代码分析 4: 连接第一步——握手(Hand Shake)
- Eclipse 里找不到 Servers 面板的原因和处理办法
- 第五届大数据科学与工程国际会议(BDSE2021)如约而至!大咖云集,欢迎参加~
- linux 串口 vmin vtime ,Linux串口c_cc[VTIME]和c_cc[VMIN]属性设置的作用
- JavaScript 与java中数组的区别
- 离散数学知识点总结-命题逻辑
- RichEdit控件的使用(未完)
- mysql 伪哈希_MySQL技巧--伪哈希索引
- 常用的webservice接口(转)
- 30岁前不必在乎的30件事
- 如何获取天猫/淘宝商品历史价格信息
- 腾讯云:轻量服务器8核16G18M配置性能及限制条件说明
- XGBOOST原理解析
- win2003下php环境搭建,如何在win2003上安装php环境(图文详细教程)
- Image Pyramid
- 【VTK+有限元后处理】实时剖切视图