Apache spark 不应该'；SVM二值分类器是否能从训练集中理解阈值？

我对SVM分类器非常困惑，如果我听起来很愚蠢，我很抱歉。 我正在使用Spark library for java，这是线性支持向量机段落中的第一个示例。在此培训集中：

1 1:10
1 1:9
1 1:9
1 1:9
0 1:1
1 1:8
1 1:8
0 1:2
0 1:2
0 1:3

对值8、2和1的预测均为正值（1）。考虑到训练，我希望他们是积极的，消极的，消极的。它仅在0或负值上给出负值。我读到，如果预测为正双精度，则标准阈值为“正”，如果预测为负，则标准阈值为“负”，并且我看到有一种手动设置阈值的方法。但这不是我需要二进制分类器的确切原因吗？我的意思是，如果我事先知道阈值是多少，我就可以区分正值和负值，那么为什么还要训练分类器呢

更新： 使用来自不同库的python代码：

X = [[10], [9],[9],[9],[1],[8],[8],[2],[2],[3]]
y = [1,1,1,1,0,1,1,0,0,0]
​
from sklearn.svm import SVC
from sklearn.cross_validation import StratifiedKFold
from sklearn.metrics import precision_recall_fscore_support, accuracy_score
import numpy as np
​
# we convert our list of lists in numpy arrays
X = np.array(X)
y = np.array(y)
# we compute the general accuracy of the system - we need more "false questions" to continue the study
accuracy = []
​
#we do 10 fold cross-validation - to be sure to test all possible combination of training and test
kf_total = StratifiedKFold(y, n_folds=5, shuffle=True)
for train, test in kf_total:
    X_train, X_test = X[train], X[test]
    y_train, y_test = y[train], y[test]
    print X_train
    clf = SVC().fit(X_train, y_train) 
    y_pred = clf.predict(X_test)
    print "the classifier says: ", y_pred
    print "reality is:          ", y_test
    print accuracy_score(y_test, y_pred)
    print ""
    accuracy.append(accuracy_score(y_test, y_pred))

print sum(accuracy)/len(accuracy)

结果是正确的：

######
1 [0]
######
2 [0]
######
8 [1]

因此，我认为支持向量机分类器可以自己理解阈值；如何对spark库执行相同的操作

解决：我解决了问题，将示例更改为：

SVMWithSGD std = new SVMWithSGD();
std.setIntercept(true);
final SVMModel model = std.run(training.rdd());

由此：

final SVMModel model = SVMWithSGD.train(training.rdd(), numIterations);

---

“截距”的标准值为假，这正是我需要为真的。

如果您搜索概率校准，您将发现一些相关问题的研究（重新校准输出以返回更好的分数）

如果您的问题是二元分类问题，您可以通过将值指定给真/假正/负选项乘以类别比率来计算成本的斜率。然后，您可以使用给定的AUC曲线形成一条直线，该曲线仅在一个点相交，以找到某种意义上作为问题阈值的最佳点

---

阈值是一个区分类的值

如果您搜索概率校准，您将发现一些相关问题的研究（重新校准输出以返回更好的分数）

如果您的问题是二元分类问题，您可以通过将值指定给真/假正/负选项乘以类别比率来计算成本的斜率。然后，您可以使用给定的AUC曲线形成一条直线，该曲线仅在一个点相交，以找到某种意义上作为问题阈值的最佳点

---

阈值是一个区分类的值

您的数据是线性可分离的，每个SVM实现对训练集的分类应100%正确。没有重量的情况下，分离度应精确到5.5。问题一定出在您的实现中。您的数据是线性可分离的，每个SVM实现对训练集的分类应100%正确。没有重量的情况下，分离度应精确到5.5。问题一定出在您的实现中。