Một lựa chọn ưu tiên của trọng lượng lớp SVM

Tôi nhớ đã thấy / đọc ở đâu đó rằng đối với các SVM đa giác có dữ liệu không cân bằng, có một cách để xác định trọng số lớp từ dữ liệu huấn luyện (thay vì xác thực X). Có ai biết phương pháp này là gì hoặc giấy từ nó không?

Cảm ơn

machine-learning svm unbalanced-classes

— tomas
nguồn

Bạn đã tìm thấy một giải pháp tốt cho đa phương tiện?

— Vam

Đối với SVM giảm thiểu chức năng mục tiêu bạn có thể chọn các hằng số và tỷ lệ nghịch với kích thước lớp. Nghĩa là, nếu bạn có các mẫu đào tạo ở lớp 1 và - ở lớp 2, hãy lấy và sao cho = . Bạn có thể cần điều chỉnh một chút chúng sau này trong các thử nghiệm của mình, nhưng đây là một quy tắc tốt.

\frac{1}{2} | | w | |^{2} + C_{1} \sum_{ξ_{i} : y_{i} = - 1}^{l} ξ_{i} + C_{2} \sum_{ξ_{i} : y_{i} = 1}^{l} ξ_{i}

$\frac{1}{2}||w||^2 + C_1 \sum_{\xi_i: y_i=-1}^{l}\xi_i + C_2 \sum_{\xi_i: y_i=1}^{l}\xi_i$

C_{1}

$C_1$

C_{2}

$C_2$

l_{1}

$l_1$

l_{2}

$l_2$

C_{1}

$C_1$

C_{2}

$C_2$

C_{1} / C_{2}

$C_1/C_2$

l_{2} / l_{1}

$l_2/l_1$

Nếu bạn đang sử dụng gói LIBSVM, bạn có thể chỉ định và bằng cách sử dụng cờ '' -w-1 '' và "-w1". $C_1$ $C_2$

PS Tôi chỉ nhận thấy rằng bạn hỏi về vấn đề đa kính. Vâng, có thể bạn vẫn sẽ thấy câu trả lời này hữu ích.

— Sư Tử
nguồn