Artificial intelligence 支持向量机与无效类别

我想在我的SVM分类中有一个无效的类别。例如，考虑到水果分类，我想要苹果、橘子、香蕉和“非水果”（无效）。我想知道是否最好为每个类别创建一个二进制SVM分类器（一个用于苹果，一个用于橙色等），或者创建一个SVM分类器，将无效类别作为其中一个类别，并向其提供无效的训练数据

---

更具体地说，我有一个对时间序列数据进行分类的分类器。我需要将一些fed时间序列分类为无效类别（或基本上不属于所需类别）。

这取决于您的SVM包。如果您使用的是libsvm，那么可以有几个“积极”类。只需调用“invalid”类0、apple类1、orange类2等等。

no\u fruit只是另一个类。你需要的是。SVM通过超平面来分离类，所以你需要另一种算法。大多数软件包现在提供这样的多类分类，但在性能上存在差异

他们每节课都和其他的一组做比较

他们互相攻击

无论你先做什么，你都会有多重结果（石头剪刀）

在这种情况下，您可能有0到n个正数

在这种情况下，您可能有1对n的类，有1对n-1票

我建议使用一个同样进行投票的图书馆

---

虽然你说的是“时间序列数据”。这听起来不像水果，可能有其他要求

，但如果我创建多个分类器，训练会更好吗？例如，苹果的分类器（是，否），橙色的分类器（是，否），等等，视情况而定。SVM尝试使用超平面在nD（或（n+1）D空间）中分离数据。如果有两个类别，则分离很简单：空间中的点要么落在一边，要么落在平面上，要么落在另一边。如果你有多个类别，积极的类别也会被一个超平面分开，这意味着当模型预测它是一个苹果时，它不仅意味着它不是“无效的”，而且它也不是“橙色的”。你需要弄清楚，确定一种水果和无效水果是否是你想要的，或者确定“苹果”是苹果，“橙色”是橙色和无效水果。