机器学习 – 使用LIBSVM grid.py来处理不平衡数据？

概述我有三类不平衡数据的问题(90％,5％,5％).现在我想使用LIBSVM训练分类器. 问题是LIBSVM优化其参数gamma和Cost以获得最佳精度,这意味着100％的示例被归类为class 1,这当然不是我想要的. 我已经尝试修改重量参数-w但没有太大的成功. 所以我想要的是,以一种优化成本的方式修改grid.py,以及按类别而不是整体精度划分的精度和召回的伽玛.有没有办法做到这一点？或者是否有 我有三类不平衡数据的问题(90％,5％,5％).现在我想使用liBSVM训练分类器.

问题是liBSVM优化其参数gamma和Cost以获得最佳精度,这意味着100％的示例被归类为class 1,这当然不是我想要的.

我已经尝试修改重量参数-w但没有太大的成功.

所以我想要的是,以一种优化成本的方式修改grID.py,以及按类别而不是整体精度划分的精度和召回的伽玛.有没有办法做到这一点？或者是否有其他脚本可以做这样的事情？

解决方法 -w参数是不平衡数据所需的参数.你都尝试了些什么？

如果你的课程是：

> 0级：90％
> 1级：5％
> 2级：5％

您应该将以下参数传递给svm：

-w0 5 -w1 90 -w2 90

总结

以上是内存溢出为你收集整理的机器学习 – 使用LIBSVM grid.py来处理不平衡数据？全部内容，希望文章能够帮你解决机器学习 – 使用LIBSVM grid.py来处理不平衡数据？所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。