我正在尝试从训练数据构建一个SVM，其中一组代表的数量更多。但是，组将在最终的测试数据中均等地代表。因此，我想使用R包接口的class.weights参数来平衡两组在训练数据中的影响。e1071libsvm
由于我不确定应该如何指定这些权重，因此我进行了一些测试：
- 生成一些空数据（随机特征；组标签之间的比例为2：1）
- 使用
class.weights参数集安装一个svm 。 - 预测一堆新的空数据集并查看类比例。
- 针对不同的空训练集重复整个过程很多次。
这是我正在使用的R代码：
nullSVM <- function(n.var, n.obs) {
# Simulate null training data
vars = matrix(rnorm(n.var*n.obs), nrow=n.obs)
labels = rep(c('a', 'a', 'b'), length.out=n.obs)
data = data.frame(group=labels, vars)
# Fit SVM
fit = svm(group ~ ., data=data, class.weights=c(a=0.5, b=1))
# Calculate the average fraction of 'a' we would predict from null test data
mean(replicate(50, table(predict(fit, data.frame(matrix(rnorm(n.var*n.obs), nrow=n.obs))))[1])) / n.obs
}
library(e1071)
set.seed(12345)
mean(replicate(50, nullSVM(50, 300)))
从这个整体来看，我期望输出〜0.5，但是，这不是我得到的：
> mean(replicate(50, nullSVM(50, 300)))
[1] 0.6429987
该class.weights放慢参数工作，排序，作为下我的重量a，降低了它在这个模拟代表（如果我忽略class.weights它返回接近1）......但为什么仅仅使用1的权重，我不明白：2（ （2：1）的训练数据并不能使我一路跌到50％。
如果我误解了SVM，有人可以解释这一点吗？（或发送一些参考？）
如果我做错了，有人可以告诉我使用class.weights参数的正确方法吗？
可能是错误吗？（我认为不是，因为我了解此软件以及基本的libsvm相当成熟）
我没有libsvm的经验，但有LiblineaR的经验，类的权重至关重要。如果没有正确设置，如果您的班级严重失衡，您将得到次优的结果。我建议：使用不平衡的类获取真实的数据集，并尝试使用不同的class.weights值（在LiblineaR wi中）。对于线性核而言，LiblineaR的速度要快几个数量级，并且还具有不利的方法。根据我的经验，你先找到一个体面类权重，然后优化C.
—
马贝尔