Libsvm和Python：预先计算的内核是否将我的点ID用作常规功能？

Question

我对libsvm和预计算内核的使用有一个奇怪的问题。我将数据以字典形式放置以遵循文档（与点ID关联的键0）：

from svmutil import *

x=[]

for i in range(N):

    x[i] = {0:i, 1:K(i,0), 2:K(i,1), ...}

    y[i] = true_labels(i)

）然后，我正在执行以下操作来训练svm并得到我的训练错误：

svm_prob = svm_problem(y,x,isKernel=True)

svm_param = svm_parameter('-t 4')

svm_mod = libsvm.svm_train(svm_prob,svm_param)

svm_pymod = toPyModel(svm_mod)

# Estimating training error

p_labels, p_acc, p_val = svm_predict(y,x,svm_pymod)

但是最终输出是完全不正确的，因为值p_val看起来像：

p_val -> [0.xxx, -1.xxx, -2.xxx, -3.xxx, -4.xxx, ...]

（当然p_labels是[-1,-1,-1,...,]）

我的分析：我知道我的内核的值K(i,j)远低于1，所以我认为(0:i)libsvm在某个点（可能是在预测阶段）使用了伪功能作为正常功能（而不是点ID）。 。我尝试了几种变体，但无法解决此问题。

Answer 1

实际上，该错误非常明显，但我保留了我的文章并在此处回答：点ID必须在1而不是处开始0。低级功能libsvm.svm_train不会对此进行检查，并且会解决此不正确设置的问题。在这种情况下，应该改用显示错误的svmutil功能“ svm_train”。纠正此起始索引后，分类器似乎可以正常工作。