我刚刚开始在python中使用libsvm进行游戏，并获得了一些简单的分类方法。
问题是我正在构建人脸检测系统，并且我想要一个非常低的错误拒绝率。另一方面，svm似乎针对相等的错误拒绝和错误接受进行了优化。我在这里有什么选择？
如前所述，我对libsvm还是陌生的，所以请客气。 ;）
最佳答案
SVM通常不被认为是概率模型，而是最大判别模型。因此，我很难根据我对SVM的了解来提出您的问题。
此外，libSVM附带的Python绑定的性能不是很出色，并且没有公开libSVM的所有选项。
也就是说，如果您愿意查看其他绑定，则scikit-learn的svm绑定会更丰富，并提供一些可能派上用场的参数，例如weighted classes或weighted samples。您也许可以将重点更多地放在您不想误分类的类上。
另外，scikit的绑定公开了posterior classification probability，但是对于SVM，我相信它依赖于libSVM的破解（因为SVM不具有概率性），它会对类别进行重新采样以使预测具有置信区间。
关于python - 在libsvm(Python)中优先使用一类，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4756937/