Python 机器学习-多标签分类支持向量机

我在Python的多类分类中使用SVM时遇到问题。 事实上，问题在于性别分类（来自图像），其中训练数据集只包含“y=1”或“y=-1”作为类标签（二进制）。但是，在预测中，如果它是男性，我必须预测“1”；如果它是女性，我必须预测“-1”；如果分类器不知道，我必须预测“0”。我不知道如何添加这个“0”类。我应该用什么？决策函数

---

PS：分数是这样计算的：

达到预期结果的最佳方法是使用概率。如果使用

Scikit-learn

可以将参数

probability=True

添加到构造函数中。这样，您可以得到介于

[0,1]

之间的值。

---

另一种方法是使用

decision\u函数

，该函数提供到超平面的距离。对于支持向量，这应该是

-1

和

1

。如果为“保存分类”，则绝对值大于

1

。选择0的位置由您决定。

您能提供您已有的代码吗？最好是与包含5个实例的最小数据集或soIt一起使用。这是一个有趣的问题，可能超出stackoverflow的范围，而不是“技术”问题。也许更好。例如，你必须决定“0”决定的惩罚，否则每个人都可以预测一切为0。既然你有自己的自定义分数，为什么不使用神经网络，使你的“分数”成为损失函数？意味着使用决策函数，我可以预测1如果>1，-1如果<1，否则为0？是的。如果这些类是可分离的，这甚至是合理的。因为这意味着[-1,1]中的例子比以前看到的任何例子都更接近决策边界。