У меня есть вопрос относительно точности прогнозирования libsvm. Я создал файл модели svm, используя easy.py. Теперь, когда я пытаюсь предсказать тестовые векторы программно в python, он показывает ошибочно предсказанные метки (все 1), тогда как, используя easy.py, я получаю точность 91%.
Каждая строка моих данных теста и поезда имеет следующий формат:
1 1:255 2:246 3:218 4:198 5:186 6:168 7:177 8:218 9:255 10:255 11:255 12:255 13:255 14:255 15:255 16:255 17:255 18:255 19:255 20:255 21:255 22:255 23:255 24:255 25:255 26:219 27:185 28:162 29:145 30:144 31:255 32:253 33:228 34:197
Код выглядит следующим образом, я делаю что-то неправильно здесь?
wimn_model = svm.svm_model("newtraindata.txt.model")
#load model
wimn_f_test=open('newtestdata.txt','r');
#load test data and train data
wimn_f_train=open('newtraindata.txt','r');
ii=0
for eachline in wimn_f_test:
vec=eachline
v=vec.split()
vector={}
ii=ii+1
#print v[0]
wimn_test_labels.append(int(v[0]))
for i in range(1,len(v)):
s=v[i].split(":")
#print s[1]
vector[i]=int(s[1])
wimn_test_vectors.append(vector)
print "wimn test "+str(len(wimn_test_vectors))
# get the training and testing vectors and labels.
ii=0
for eachline in wimn_f_train:
vec=eachline
v=vec.split()
vector={}
ii=ii+1
wimn_train_labels.append(int(v[0]))
#print v[0]
for i in range(1,len(v)):
s=v[i].split(":")
#print s[1]
vector[i]=int(s[1])
wimn_train_vectors.append(vector)
print "wimn train "+str( len(wimn_train_vectors))
s=len(wimn_train_labels)
for i_s in range(0,s):
#print i_s
ww.append(wimn_model.predict(wimn_train_vectors[i_s]))
# wrongly predicted labels are in ww. correct labels are in wimn_train_labels, wimn_test_labels.
Нужно загрузить масштабированные входные значения, чтобы получить предсказанные значения. Проблема решена.
Но, похоже, существует некоторая несовместимость между easy.py генерируемыми прогнозируемыми метками и теми, которые я загружаю моделью и предсказываю метки.
В Интернете нет соответствующей документации по libsvm.