JuniorChestnut的博客

两层的情况： 一般情况下人工神经网络后向传播算法

收获： 1.0 得知libsvm对于多分类问题默认使用的就是1 vs 1; 2.0 得知分类标签常用+1，-1，但是是任意选择的，对于多分类问题，建议选择1，2，3... 3.0 交叉验证寻找最优的c和gamma效果不错，但是用时过长。 4.0 libsvm的详细用法和参数解析：上一页。 1.采用交叉验证法获得的最大识别率为98.75，与不适用交叉验证的区别还是很大的。 2：1 vs rest 代码待写… 3.matlab训练代码如下： % libsvm默认的多分类问题就是使用的 1v1; % 可以自己

SVM解决多分类问题的方法 SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。目前，构造SVM多类分类器的方法主要有两类：一类是直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中；另一类是间接法，主要是通过组合多个二分类器来实现多分类器的构造，常见的方法有one-against-one和one-against-all两种。

文章预览：（一） 识别系统的性能度量（1）几个重要的度量系统性能的标准（1）混淆矩阵（confusion matrix）（2）引入ROC曲线 （一） 识别系统的性能度量 上接纸面笔记记录： 不能仅用识别率来判断系统的性能。单纯用系统的识别率来判断系统的好坏，是没有意义的。例如，瞎猜的准确率为80%，那么你svm识别率为%95，那么还算高吗？ （1）几个重要的度量系统性能的标准 （1）混淆矩阵（confusion matrix） ![在这里插入图片描述](https://img-blog.csdnimg