机器学习-多标签分类svm
machine learning - multi label classification svm
我在 SVM class class 化 Python 中使用时遇到问题。
事实上，问题是关于性别 class化（来自图像），其中 training 数据集仅包含“y=1”or "y=-1" 作为 class 标签（二进制）。但是，在预测中，我必须预测“1”是男性还是“-1” " 如果它是女性，"0" 如果 classifier 不知道 。我不知道如何添加这个“0”class。我应该使用什么？ decision_function？
PS：分数是这样计算的：score_formula
获得预期结果的最佳方法是使用概率。如果使用 Scikit-learn，则可以将参数 probability=True 添加到构造函数中。这样你就可以得到 [0,1] 之间的值。
另一种方法是使用 decision_function 为您提供到超平面的距离。对于支持向量，这应该是 -1 和 1。如果是保存分类绝对值更大1。选择 0 由您决定。
我在 SVM class class 化 Python 中使用时遇到问题。 事实上，问题是关于性别 class化（来自图像），其中 training 数据集仅包含“y=1”or "y=-1" 作为 class 标签（二进制）。但是，在预测中，我必须预测“1”是男性还是“-1” " 如果它是女性，"0" 如果 classifier 不知道 。我不知道如何添加这个“0”class。我应该使用什么？ decision_function？
PS：分数是这样计算的：score_formula
获得预期结果的最佳方法是使用概率。如果使用 Scikit-learn，则可以将参数 probability=True 添加到构造函数中。这样你就可以得到 [0,1] 之间的值。
另一种方法是使用 decision_function 为您提供到超平面的距离。对于支持向量，这应该是 -1 和 1。如果是保存分类绝对值更大1。选择 0 由您决定。