Я тренировал SVM на двух классах. Один из них - это образцы подлинного пользователя. Во-вторых, множество отрицательных выборок с равным размером выборки, чем у истинного пользователя. Я тестировал эту систему на классе, который не был использован для обучения. Результаты интересны, и я не могу их объяснить; Я не знаю, ожидается ли это, проблема SVM или что-то другое.LIBSVM дает такое же предсказание для образцов нетренированного класса. Зачем?
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
(0:0.9104172110162648)(1:0.08958278898373527)(Actual:1.0 Prediction:0.0)
Выше приведен пример вывода, который я получаю для разных образцов неподготовленного и невидимого класса. Это одинаково для каждого образца. Я ожидал бы, что они будут ближе к классу 1.0, и я бы также ожидал хотя бы изменения в вероятностях!
Спасибо, я рассмотрю это. – mino