浙大机器学习课程-9-支持向量机(交叉验证,ROC EER,SVM处理多分类)

在交叉验证中,训练样本不做测试(训练样本的测试结果不能作为模型好坏的评判标准)
交叉验证可以充分利用训练样本
留一法:把n个样本分成n份,每次训练n-1个,留一个样本做测试
模型没训练好的情况:①:参数没选好②数据集本身没有规律,③SVM算法没有找到这些数据的规律
在这里插入图片描述在这里插入图片描述如果一个系统把更多的正样本识别为正样本,那么也一定会把更多的负样本识别为正样本,即TP增加,则FP也增加
在这里插入图片描述在这张ROC图中,对于横坐标每一个识别错误(FP),蓝色的线纵坐标(TP)都更高,所以蓝色的线的模型性能更好,一般比较系统,比较FP为0时的TP值。
在这里插入图片描述模型的好坏不能只用识别率来判断,还需要用ROC曲线和EER曲线,以及可以用面积法来判断

SVM处理多类问题

在这里插入图片描述
在这里插入图片描述

(2)一类VS其他类

针对(2)一类VS其他类解释一下
假设有C1,C2,C3这3个类,要实现多分类的话,我们先把C1C2归为一类,C3作为另一类,训练的到模型SVM1,同样的方法得到模型SVM2,SVM3,现在有一个样本x,假设在SVM1上判断为1,在SVM2上判断为1,在SVM3上判断为-1,那么可以得出x属于C1类

那如果在SVM1判断为1,在SVM2判断为-1,在SVM3判断为-1,则x要么属于C1要么属于C2,怎么进一步判断呢

在这里插入图片描述算这个值,哪一个负得多就取哪一个

(3)一类VS另一类

在这里插入图片描述那么输入的x属于C1,如果有n类的话,就需要(n*(n-1))/2个SVM模型

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值