我有三类不平衡数据的问题(90％,5％,5％).现在我想使用LIBSVM训练分类器.
问题是LIBSVM优化其参数gamma和Cost以获得最佳精度,这意味着100％的示例被归类为class 1,这当然不是我想要的.
我已经尝试修改重量参数-w但没有太大的成功.
所以我想要的是,以一种优化成本的方式修改grid.py,以及按类别而不是整体精度划分的精度和召回的伽玛.有没有办法做到这一点？或者是否有其他脚本可以做这样的事情？
解决方法
-w参数是不平衡数据所需的参数.你都尝试了些什么？
如果你的课程是：
> 0级：90％
> 1级：5％
> 2级：5％
您应该将以下参数传递给svm：
-w0 5 -w1 90 -w2 90
