Statistics 分类分数：SVM

我正在使用libsvm进行多类分类。我如何将分类分数与给定样本的输出进行比较，如下所示：

Class 1: score1

Class 2: score2

Class 3: score3

Class 4: score4

---

你可以先使用一个VS所有方法，然后在LIbSVM中使用决策值选项将它们视为2类分类。这是通过将每个类作为正类，将类的其余部分作为负类来完成的

然后比较结果的决策值，对样本进行分类。您可以将示例分配给具有最高决策值的类。例如，对于类1，示例1的决策值为0.54，对于类2，示例1的决策值为0.64，对于类3，示例1的决策值为0.43，对于类4，示例1的决策值为0.80，然后您可以将其分类为类4

您还可以使用概率值来分类，而不是使用libSVM中的-b选项来分类决策函数值

---

希望这有帮助。

另一个选择是使用LIBLINEAR包，它在内部实现了一对多策略，用于解决多类问题。在LIBSVM中，此实现基于一对一策略。

我不希望将单个类id作为分类输出。更确切地说，输出应该是这样的：给定的样本可以用概率分数1分类到class1。规范化到超平面的距离并不总是一个很好的测量属于某个类的概率的方法。见Zadrozny和Elkan。