LIBSVM 的多类表示
multiclass representation of LIBSVM
我的目标是制作一个 multiclass classifier，以处理不同的文件，这些文件将至少标记两个 classes（或标签）。这些文件是议会倡议，因此每个文件都将以至少一对值在同义词库中编制索引。
我在 python 版本中使用“libsvm”，因为在 python 中删除停用词、标记化和词干化似乎更容易，这要归功于 Snowball、NLTK 等工具...
这个版本不能直接使用多class化
但是，可以编写一个 multiclass classifier 模型，生成总共 k * (k-1) / 2（其中 'k' 是 class 的数量es）。
LIBSVM 的表示是：
<class/target>[ <attribute number>:<attribute value>]*
那么对于一个有 5 个 class 的文件，我是否应该只改变 class 生成前一行的 5 倍？
例如：
1 1:3 2:4 6:5....
2 1:3 2:4 6:5....
3 1:3 2:4 6:5....
4 1:3 2:4 6:5….
5 1:3 2:4 6:5….
感谢和问候。
你搞糊涂了
- 多类场景 - 通常有超过 2 个 类，但每个对象都被分配 恰好一个
- 多标签场景 - 每个对象分配了多个标签
SVM 在其基本 formulation/implementation 中无法完成上述任何一项。虽然这两个问题都可以轻松分解。
通常使用一对一或一对一来处理第一个，两者都在 scikit-learn 中实现，其中您 python 绑定到 libsvm。
您的场景看起来很像 multilabel，在这种情况下，基本 svm 可以 仅 通过将您的问题拆分为 K 个独立问题来使用，只需创建 K 个不同的训练集，每个都回答问题 "Does given file have label i?" 并训练 K 个不同的 SVM，每个只给你一个答案（我们假设标记过程是独立的，这是一种简化，但其他方法会需要结构 SVM 方法，例如 svmstruct 中可用的方法）。
您不能为多标签分类创建单个 libsvm 训练文件。您引用的文档是指 multiclass，不是您的情况，只需要使用 K 个不同的标签名称，而不是复制行。
我的目标是制作一个 multiclass classifier，以处理不同的文件，这些文件将至少标记两个 classes（或标签）。这些文件是议会倡议，因此每个文件都将以至少一对值在同义词库中编制索引。
我在 python 版本中使用“libsvm”，因为在 python 中删除停用词、标记化和词干化似乎更容易，这要归功于 Snowball、NLTK 等工具...
这个版本不能直接使用多class化
但是，可以编写一个 multiclass classifier 模型，生成总共 k * (k-1) / 2（其中 'k' 是 class 的数量es）。
LIBSVM 的表示是：
<class/target>[ <attribute number>:<attribute value>]*
那么对于一个有 5 个 class 的文件，我是否应该只改变 class 生成前一行的 5 倍？
例如：
1 1:3 2:4 6:5....
2 1:3 2:4 6:5....
3 1:3 2:4 6:5....
4 1:3 2:4 6:5….
5 1:3 2:4 6:5….
感谢和问候。
你搞糊涂了
- 多类场景 - 通常有超过 2 个 类，但每个对象都被分配 恰好一个
- 多标签场景 - 每个对象分配了多个标签
SVM 在其基本 formulation/implementation 中无法完成上述任何一项。虽然这两个问题都可以轻松分解。
通常使用一对一或一对一来处理第一个，两者都在 scikit-learn 中实现，其中您 python 绑定到 libsvm。
您的场景看起来很像 multilabel，在这种情况下，基本 svm 可以 仅 通过将您的问题拆分为 K 个独立问题来使用，只需创建 K 个不同的训练集，每个都回答问题 "Does given file have label i?" 并训练 K 个不同的 SVM，每个只给你一个答案（我们假设标记过程是独立的，这是一种简化，但其他方法会需要结构 SVM 方法，例如 svmstruct 中可用的方法）。
您不能为多标签分类创建单个 libsvm 训练文件。您引用的文档是指 multiclass，不是您的情况，只需要使用 K 个不同的标签名称，而不是复制行。