如何找到 RBF 核 SVM 的准确性？

Question

我正在尝试使用 SVM 实现人体检测。我正在使用 HOG 特征提取，然后对其应用 SVM。当我应用线性 SVM 时，我会得到图像的分数，但在 RBF kernal SVM 中我只能得到 0 和 1。无论如何我可以获得检测分数吗？我怎样才能像线性SVM一样看到RBF核的系数？

我尝试了Python提供的SVM库。

Answer 1

[...] 在 RBF kernal SVM 中我只得到 0 和 1。无论如何我可以获得检测分数吗？

获得分数的一种方法是使用 SVC 的

.decision_function(X)

方法。它越大，该点距离决策平面越远（符号表示类别）。然而，它是一个无界值，可以任意大。

第二个选项是设置

SVC(probability=True, ...)

（

probability=

参数默认为

False

），这样您就可以获取概率分数。运行时间会更长

.fit()

。然后您可以使用

.predict_proba(X)

方法获得概率。

我怎样才能像线性SVM一样看到RBF核的系数？

您不能直接使用

SVC(kernel='rbf')

执行此操作。但是，您可以使用

kernel_approximation.RBFSampler

或

kernel_approximation.Nystroem

来近似 RBF 特征空间，然后将其管道化为

LinearSVC

。这将允许您访问近似 RBF 空间的系数。

from sklearn.kernel_approximation import Nystroem, RBFSampler
from sklearn.svm import LinearSVC

from sklearn.pipeline import make_pipeline

#np.random.seed(0) #makes example reproducible

rbf_svc_approx = make_pipeline(
    Nystroem(kernel='rbf', n_components=100, n_jobs=-1),
    LinearSVC(),
)

#Access coefficients corresponding to the 100-dimensional RBF feature space
rbf_coeffs = rbf_svc_approx['linearsvc'].coef_

您可能会在这里找到一些感兴趣的细节。