为什么预测标签为+1，即使它应该为-1？在MATLAB中使用LIBSVM

Question

我提取了训练和测试数据的主要组成部分。'trainingdata.train'具有来自+1（面1）和-1（所有其他面）标签的特征值。“ testdata.train”具有面2的特征值，没有标签，因为我希望SVM预测其标签。LIBSVM给出的“ predicted_label”为+1，即使它应该为-1。

[training_label_matrix, training_instance_matrix] = libsvmread('trainingdata.train');
[testing_label_matrix, testing_instance_matrix] = libsvmread('testdata.train');
model = svmtrain(training_label_matrix, training_instance_matrix);
[predicted_label] = svmpredict(testing_label_matrix, testing_instance_matrix, model);

请向我指出我做错了。

Answer 1

使用[predict_label, accuracy, prob_values] = svmpredict(testLabel, testData, model, '-b 1');观察精度。

testLabel是包含测试数据的“正确”标签的向量。给出此参数是为了计算accuracy。在测试数据标签未知的真实情况下，只需使用任何随机值即可获取predict_label，而无需计算accuracy。

此外，尽管不是必需的，但最好在svmtrain中指定选项，请检查their page了解更多详细信息。

Answer 2

@@ Lennon：代码应该这样吗？

[training_label_matrix, training_instance_matrix] = libsvmread('trainingdata.train');
[testing_label_matrix, testing_instance_matrix] = libsvmread('testdata.train');
model = svmtrain(training_label_matrix, training_instance_matrix);
[predict_label, accuracy, prob_values] = svmpredict(ones(size(testData,1),1), testing_instance_matrix, model, '-b 1');