python libsvm：使用的函数：svm_predict（），这意味着输出“ p_val”

Question

我使用python libsvm函数：

p_label, p_acc, p_val = svm_predict(y, x, model)

输出“ p_val”有问题。

任务中的问题是三个标签（+ 1、0，-1）分类。

我不知道它如何预测标签。我这样写我的python代码：

y, x = svm_read_problem('test.data')
m = svm_train( y[0:900], x[0:900], opt )
p_label, p_acc, p_val = svm_predict( y[900:910], x[900:910], m )

有输出：

p_label（预测类别）= [p_val（决策值或概率估计值的列表）]：

• -1.0 = [1.0449524711949485，1.4113796513344399，1.0120255052284173]，

• -1.0 = [1.0969353852717083，0.9601933938910249，0.3407227530552793]，

• -1.0 = [0.9608561833833849，1.4704797796797964，1.1354416470136237，

• -1.0 = [0.5629743031525207，0.6418911014217697，0.5962484893807319]，

• -1.0 = [0.9998935746528146，0.999862936350972，0.4352865894491481]，

• -1.0 = [0.5899682420542727，0.759898755977403，0.45466598793345214]，

• -1.0 = [0.8029330343073868，0.9569608406914972，0.7464642555671487，

• -1.0 = [1.206590596563432，0.9205300145992189，-0.25622479105667184]，

• -1.0 = [0.75271162867797，0.9999549323095839，0.8478570959739556]，

• 0.0 = [-0.0713518594348909909，0.483809082370377，0.764341953305053]]

---

我不知道“预测标签”和“决策值列表”之间的关系。

请给我一些建议！

Answer 1

p_val是为每个数据点获取一个标签的概率

Answer 2

也许您应该在函数svm_predict中输入'-b 1'。那是predicting_options之一。然后p_val将是获得标签的概率。