问题类别: SVM (ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...) 使用工具: MATLAB 问题内容: 在training完後将Model存下来(alpha, bias, SupportVector, SupportVectorLabel等 ) 想不使用predict function 自己算出预测结果。 使用的架构是 one-verse-one SVM 分五类(共十个binary svm)， 使用Gaussian kernel，feature维度为100，第M个SVM的support vectors数量为N个 以下是我目前的做法: 根据matlab说明先将 support vector unnormalize -> supportvector * sigma+mu alpha: Nx1 vector, SupportVectorLabel svl: Nx1 vector, bias:1x1 double k(x,y) = exp(-(sqrt((x-y).^2)).^2) 先将 alpha.*svl.* k(newFeature,supportVector) 得到 1x100 vector 将N个 vectors sum起来 後加上bias 想请问 1. 这样等於feature每个维度都有加上bias 是正确的吗 2, 理想中最後应该得到一个值 正值就分成A类 负值分到B类， 所以接下来是将100个值加起来吗? 问题有点杂，先谢谢愿意给予指教的板友了 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.137.44.238 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1575557840.A.BD5.html ※ 编辑: abogiqui (114.137.44.238 台湾), 12/05/2019 22:59:05