Binary VLfeat二元分类
培训： [w，b]=vl_svmtrainfeature_矩阵.特征向量，标签向量.标签矩阵，0.1 分类： [~，~，~，分数]=vl_svmtrainfeature_matrix.FeatureVector_temp，标签，0，'model'，w.w，'bias'，b.b，'solver'，'none'Binary VLfeat二元分类,binary,classification,vlfeat,Binary,Classification,Vlfeat,培训： [w，b]=vl_svmtrainfeature_矩阵.特征向量，标签向量.标签矩阵，0.1 分类： [~，~，~，分数]=vl_svmtrainfeature_matrix.FeatureVector_temp，标签，0，'model'，w.w，'bias'，b.b，'solver'，'none' 我在训练时给了标签-1和1。当我使用该模型进行分类时，它返回的分数小于-1，也大于1。如何使用这些分数进行二元分类？分数的实际含义是什么？对于“+1”类，分数应该为正，对于“-1”类，分数应
我在训练时给了标签-1和1。当我使用该模型进行分类时，它返回的分数小于-1，也大于1。如何使用这些分数进行二元分类？分数的实际含义是什么？对于“+1”类，分数应该为正，对于“-1”类，分数应该为负 基本上，分数对应于分类数据点相对于SVM学习的分离超平面的位置 有关支持向量机的更多信息，请参阅VLFeat文档中的部分或许多其他在线来源。例如，这些都非常具有说明性