Matlab Libsvm vs Weka（WLSVM）

我必须处理一个不平衡的数据集95%的负类记录和5%的正类记录。我使用决策树和框架开发了一个模型。现在我想尝试SVM和Libsvm以获得更好的结果。我正在尝试使用matlab作为一个工具。我想知道如何比较我从他们那里得到的结果。在weka中，从整个数据集构建模型，并在执行10倍交叉验证之后。我如何使用Libsvm实现它？从上世纪90年代开始，我发现CV只是为了发现内核的最佳参数，而不是在训练/预测过程中，那么我应该在Matlab中做什么来获得类似的结果，以便与Weka进行比较呢？

如果你在Weka中建了一个决策树，并试图与之进行比较，为什么不在weka中使用libsvm呢？你为什么使用Matlab？libsvm所做的交叉验证是相同的想法，只是它都是在svm序列中完成的。所有可执行文件都调用一个公共代码集。因为我读到Matlab上的Libsvm更适合我的问题。无论如何，在Libsvm交叉验证中只能找到好的参数，所以在训练阶段之前。但我不能像在weka中那样使用它，我的意思是我不能在预测/验证阶段使用它。所以我不知道是否可以比较结果。Weka和Matlab只是同一代码libsvm的前端接口。您在libsvm FAQ上阅读的信息是关于使用libsvm自己的命令行界面的。是的，如果您告诉libsvm进行交叉验证，那么您就不能使用该模型调用svm\u predict。这是因为实际上您已经为cv构建了10个模型，或者无论您选择了多少折叠。如果在Weka中运行libsvm，Weka将执行交叉验证，libsvm将只在Weka创建的每个数据集上运行。如果你想在Matlab中实现这一点，你必须自己将你的数据分成n倍的CV。