是否转置训练集影响SVM的结果

Question

我正在研究人类年龄问题，我必须将数据分为两个类，即 Young 和 Old。作为分类器，我正在使用 SVM，这是我到目前为止为准备数据所做的工作：

TrainingSet 的大小为 (11264, 284) ：其中每一列对应一个 observation（一个人）。这意味着我有 284 个人的训练任务和 11264 个特征。
TestSet 也被格式化为 TrainingSet。
Groups（标签）是一个矩阵 Groups(284, 1)，其中 Olds 为 (1)，Youngs 为 (-1)。
我使用 matlab 内置函数训练 SVM 以获得 `SvmStruct'。
```
SvmStruct = svmtrain(TrainingSet, Groups')
```
然后我引入TestSet使用这个matlab函数来得到分类结果
```
SvmClassify = svmclassify(SvmStruct, TestSet)
```

在查看了 matlab 关于 SVM 的帮助后，我推断数据必须以 [=15] 的每一行的方式引入 SVM 分类器=] 对应一个 Observation （在我的例子中是一个人），每一列对应一个特征。所以到目前为止我所做的是转置那些矩阵（TrainingSet 和 TestSet）。是不是我做错了得到的结果都是错的？

Answer 1

我查看了 svmtrain 的源代码，如果组数与行数不匹配，它会转置训练数据（svmtrain.m，第 249 行，MATLAB 2015b） :

% make sure data is the right size
if size(training,1) ~= size(groupIndex,1)
    if size(training,2) == size(groupIndex,1)
        training = training';
    else
        error(message('stats:svmtrain:DataGroupSizeMismatch'))
    end
end

所以不，你的训练结果没有错。

但是，svmclassify 不会转置测试数据，它只会检查正确数量的特征（svmclassify.m，第 63 行以下）：

if size(sample,2)~=size(svmStruct.SupportVectors,2)
    error(message('stats:svmclassify:TestSizeMismatch'));
end

所以这应该触发了一个错误（sample 是你的 TestSet）。

是否转置训练集影响SVM的结果

Is transposing training set affects the results with SVM

matlab

classification

matrix

svm