如何使用Pyml得到的分类器

Question

我是 Python 中 PyML 的新用户。使用 教程，我执行了以下操作：

from PyML import *
data = SparseDataSet("heart")
s = SVM()
s.train(data) 
r = s.cv(data,5)

我得到了结果集 r ，但我不明白如何使用这个结果集来用Python对一个全新的实例进行分类。有更有经验的人可以帮助我吗？任何建议将不胜感激。

谢谢。

Answer 1

在 r = s.sv(data,5) 中，您正在进行交叉验证，用于通过在数据集的不同部分上训练和测试 5 次来衡量分类器性能。当您的目标是对新实例进行分类时，这不是必需的。

要对新实例进行分类，您最好将它们放在不同的数据集中，并在训练后使用 SVM 对象的测试方法：

s = SVM()
s.train(trainingDataset)
r = s.test(testDataset)

然后您将在 testDataset 中获得对新实例进行分类的结果。
使用 s.test() 的一个选项是使用 s.classify(data, i) 和 s.decisionFunc(data, i)用于在训练后对各个数据点进行分类，但在教程文档中不建议这样做，因为您将无法获得结果对象中包含的额外结果信息（就像从 s.test 中获得的那样，s.cv 或s.stratifiedCV 方法）。