libsvm matlab中的2个错误“模型不支持概率估计和下标分配维度不匹配”

Question

我想使用库LIBSVM对策略'one against all'对5个测试图像进​​行分类，以便获得每个策略的概率类。所使用的代码波纹管：

load('D:\xapp.mat'); 
load('D:\xtest.mat'); 
load('D:\yapp.mat');%% matrix contains true class of images yapp=[641;645;1001;1010;1100] 
load('D:\ytest.mat');%% matrix contains unlabeled class of test set ytest=[1;2;3;4;5] 
numLabels=max(yapp); 
numTest=size(ytest,1); 
%# train one-against-all models 
model = cell(numLabels,1); 
for k=1:numLabels 
    model{k} = svmtrain(double(yapp==k),xapp, ['-c 1000 -g 10 -b 1 ']); 
end 
%# get probability estimates of test instances using each model 
prob = zeros(numTest,numLabels); 
for k=1:numLabels 
    [~,~,p] = svmpredict(double(ytest==k), xtest, model{k}, '-b 1'); 
    prob(:,k) = p(:,model{k}.Label==1); %# probability of class==k 
end 
%# predict the class with the highest probability 
[~,pred] = max(prob,[],2); 
acc = sum(pred == ytest) ./ numel(ytest) %# accuracy 

我得到这个错误：

型号不支持probabiliy估计
下标的转让尺寸不匹配。
错误排版（线98）
概率（：，K）= P（：，模型{K} .Label == 1）;班％＃概率==ķ

请帮我提前解决这个错误，并感谢

Answer 1

什么你正在试图做的是使用一个代码段，用于评估SVM分类演出而你的目标是正确估计你的测试集的标签。

我假设你的五个标签[641;645;1001;1010;1100]（如yapp）。首先你必须删除ytest，因为你不知道测试集的任何标签。用ytest填充一些虚拟值是毫无意义的：SVM将返回我们的预测标签。

第一个错误，因为在评论中已经指出的是

numLabels=max(yapp); 

你必须按顺序收集类的数量变化max()与length()。

训练阶段几乎是正确的。
考虑到k从1变为5而yapp的范围在上面，您应该考虑将double(yapp==k)更改为double(yapp==yapp(k))：以这种方式，我们将yapp中的第k个值标记为正值。鉴于k从1变为5，那么yapp(k)将从641变为1100.

而现在是预测阶段。
svmpredict()的第一个输入应该是测试标签，但现在我们不知道它们，所以我们可以用零矢量填充它（测试集中将有尽可能多的零）。这是因为如果测试标签已知，svmpredict()会自动返回精度，但情况并非如此。所以，你必须在第二个for循环改为

for k=1:numLabels 
    [~,~,p] = svmpredict(zeros(size(xtest,1),1), xtest, model{k}, '-b 1'); 
    prob(:,k) = p(:,model{k}.Label==1); %# probability of class==k 
end 

，最后用

[~,pred] = max(prob,[],2); 

和pred包含预测标签预测标签。

注1然而，在这种方法中，您不能测量准确度和/或其他参数，因为我们称为测试集实际上不是测试集。一个测试集是一个标签集，我们假装我们不知道它的标签，以便让SVM预测它们，然后将预测标签与实际标签进行匹配，以便测量它的准确性。

注2：由于第二个for-loop，pred中的预测标签很可能具有范围1到5的值。但是，由于您的标签具有不同的值，因此您可以将映射回考虑到1是641,2是645,3是1001,4是1010,5是1100.