我正在尝试使用libsvm对数据进行分类，如下图所示：
您可以看到“肉眼可见”的蓝色和红色之间存在柔和的分隔，但是在整个区域中存在一些蓝色样本，我会说“应该标记为红色”。
我无法让libsvm返回有意义的分类，并且使琐碎的所有点标记为蓝色。不同的内核和参数值会发生这种情况。我认为处理成本变量并不能解决这个问题，因为蓝色样本比红色样本多10倍。
我想念什么吗？是否有一些libsvm参数可以处理这种情况？
还是SVM不适合执行该任务，您可以提出建议吗？
最佳答案
使用线性SVM可以获得非平凡的解决方案。
您应该尝试使用不同的C值，并且，由于数据不平衡，请使用wi参数固定每个类的权重。
关于machine-learning - libsvm返回一个简单的解决方案，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/11084247/