针对 WEKA 中的每个实例提取 SVM 分配值
Extract SVM assigned values against each instance in WEKA
在对每个实例使用 SVM 训练模型后，是否有任何方法可以提取值，以查看 SVM 分配给每个实例的值，以便 class 以正 class 或负值验证实例.. 我正在寻找一些解决方案来针对 WEKA 工具中的每个实例获取所有基于 SVM 的分配值。
我一直在 SVM 下使用 LibSVM 和 LibLinear classifiers。我需要这些值用于排名
单击预处理...过滤器..."Choose" 按钮...
然后selectWeka/Filters/Supervised/Attribute Filter
"AddClassification"
在其配置对话框中，将"OutputClassification"设置为"True"
单击 "LibSVM" 标签调用第二个对话框。配置分类器。
点击应用。
新列 "Classification" 将添加到您的数据集 - 但这不会对您的数据集执行交叉验证。它将整个数据集用作训练数据集，因此会导致过度拟合。
替代方案（用于获得交叉验证输出的预测）：您还可以转到 "Classifier" 选项卡，单击 "More Options..." 按钮，"Output predictions"，选择 "PlainText"然后预测将显示在大 "Classifier Output" 文本面板中。
在对每个实例使用 SVM 训练模型后，是否有任何方法可以提取值，以查看 SVM 分配给每个实例的值，以便 class 以正 class 或负值验证实例.. 我正在寻找一些解决方案来针对 WEKA 工具中的每个实例获取所有基于 SVM 的分配值。 我一直在 SVM 下使用 LibSVM 和 LibLinear classifiers。我需要这些值用于排名
单击预处理...过滤器..."Choose" 按钮...
然后selectWeka/Filters/Supervised/Attribute Filter "AddClassification"
在其配置对话框中，将"OutputClassification"设置为"True"
单击 "LibSVM" 标签调用第二个对话框。配置分类器。
点击应用。
新列 "Classification" 将添加到您的数据集 - 但这不会对您的数据集执行交叉验证。它将整个数据集用作训练数据集，因此会导致过度拟合。
替代方案（用于获得交叉验证输出的预测）：您还可以转到 "Classifier" 选项卡，单击 "More Options..." 按钮，"Output predictions"，选择 "PlainText"然后预测将显示在大 "Classifier Output" 文本面板中。