SVM中遇到的非均衡数据集



    对于SVM中遇到的非均衡数据集，可以采用以下策略：
假设有4类样本，比如，第一类有500个，第二类有300个，第三类有600个，第四类有200个，那么，可以通过SVM的class_weights（CvSVM中有该参数）来进行均衡，具体如下，
1 求所有样本和，在这里为1600
2 求每一类样本数与总数的比值，如在这里为    500/1600=0.3125，
    300/1400=0.817，
    600/1600=0.375，
    200/1600=0.125，
3 求各个小数的比值，并转化为整数，在这里是
    5:3:6:2,
对于opencv中的SVM可以采用如下的方式给class_weights进行赋值：

CvSVMParams SVM_params;

float a[4]={5,3,6,2};
CvMat mat=cvMat(1,4,CV_32FC1,a);
SVM_params.class_weights=&mat;

    在这里，class_weights是C_SVC中的可选权重，赋给指定的类，乘以C变成
class_weights*C。所以这些权重影响不同类别的错误分类惩罚项。权重越大，某一类的误份类数据的惩罚项就越大。惩罚项越大，代表了其越不能够容忍错误。