svm 预测标签的概率输出

转载自：http://blog.csdn.net/xuhaijiao99/article/details/14519941

对于图片或文本，如果童鞋们需要初试分类效果，在MatLab做实验是比较简单的。例如：使用Libsvm库函数svmtrain()训练学习出一个模型Factor, 然后代入Factor，得到预测标签向量Predict_label。


但是，这些都是人家的工作，假若我们加入自己的思路呢？例如：对于图片分类实验，预测标签的时候，加入K阶标签共现值呢？你或许不是仅仅得到预测标签Predict_label，而是希望得到标签概率向量 Scores，输出概率值。


在Libsvm下怎么做？简单。
Factor = svmtrain(train_label, train_data, '-b 1');
[predicted_label, accuracy, Scores] = svmpredict(test_label, test_data, Factor, '-b 1');
这里，-b 1表示打开概率输出开关。默认是：-b 0，不输出概率值。
训练标签：train_label，
训练数据：train_data，
预测标签：predicted_label，
测试数据：test_data
  查准率：accuracy
标签概率：Scores


若是完全忽略掉predicted_label（预测标签向量）, accuracy（查准率），则libsvm函数写为：
test_label = zeros(size(X_te,1), 1);% 哑元test_label
Factor = svmtrain(train_label, train_data, '-b 1');
[~, ~, Scores] = svmpredict(test_label, test_data, Factor, '-b 1');


建议拿点真实的、靠谱的公开数据集玩玩。例如：Corel 5K等等。太多啦。


当然，这里，我们还仅仅是只谈论多类单标签(Multi Class & Single Label)问题。而没有涉及多类多标签(Multi Class & Multi Label)问题。