une classe svm en java

Question

Quelqu'un pourrait-il me montrer comment utiliser SVM one-class en Java? Mon problème est, j'ai un jeu de données d'entraînement et un ensemble de test et je veux utiliser svm one-class pour prédire la valeur de la classe. J'ai essayé quelques exemples sur github, mais ils n'ont pas fonctionné pour moi.

public static void main(String[] args){  
    DefaultDataset trainingSet = new DefaultDataset(); 
    LibSVM svmClassifier = new LibSVM(); 
    svm_parameter svmParam = new svm_parameter(); 
    svmParam.svm_type = svm_parameter.ONE_CLASS; //set one_class 
    svmParam.kernel_type = svm_parameter.LINEAR; // set type of kernel function 
    svmClassifier.setParameters(svmParam); 
    OneClassSVMTest oneClassSVM = new OneClassSVMTest(); 
    NormalizeMidrange normalizMid = new NormalizeMidrange(); 

    //loadValues loads data from mysql-db 
    //Double[] contains x,y,z values for example [0.123, 1.232, 0.342] 
    ArrayList<Double[]> myTrainValues = oneClassSVM.loadValues(myString1); 
    ArrayList<Double[]> myTestValue = oneClassSVM.loadValues(myString2); 
    for(Double[] value : myTrainValues) 
    { 
     //toRawArray converts Double[] to double[] 
     trainingSet.add(new DenseInstance(toRawArray(value)); 
    } 
    normalizMid.build(trainingSet); 
    normalizMid.filter(trainingSet); 
    svmClassifier.buildClassifier(trainingSet); 

    int correct = 0, wrong = 0; 
    for (Double[] d : myTestValues) 
    { 
     Instance inst = new DenseInstance(toRawArray(d)); 
     normalizMid.filter(inst); 
     //is always null !?!? 
     Object predictedClassValue = svmClassifier.classify(inst); 
     //is always null !?!? 
     Object realClassValue = inst.classValue(); 
     if (predictedClassValue.equals(realClassValue)) //<- Error shows up 
      correct++; 
     else 
      wrong++; 
    } 
    System.out.printf("correct: %d, wrong: %d%n", correct, wrong); 
} 

En conséquence je reçois java.lang.NullPointerException parce svmClassifier.classify(inst) et inst.classValue() toujours revenir null. J'ai donc essayé quelque chose d'autre:

Map<Object, Double> classDistributionMap; 
    for (Double[] a : myTestValue) 
    { 
     Instance inst = new DenseInstance(toRawArray(a)); 
     normalizMid.filter(inst); 
     classDistributionMap = svmClassifier.classDistribution(inst); 
     Set<Map.Entry<Object, Double>> entrySet = classDistributionMap.entrySet(); 
     for (Entry<Object, Double> entry : entrySet) 
      System.out.println(entry.getValue()); 

    } 

Comme il n'y a que les résultats 1.0. Je ne peux pas expliquer pourquoi il n'y a que 1.0

Answer 1

La fonction SVM

y = f (x)

où y = {1, -1} y = 1.0 signifie les données appartiennent à la classe et -1,0 signifie que les données appartiennent à une autre classe.

x est le vecteur de 1 par n où n = nombre d'attributs de chaque ensemble de données où est la classe des données. à partir de ce qui précède, cela peut signifier que toutes les données sont classées dans la même classe que la classe attendue qui est 1,0; Les données appartenant à une autre classe seront -1.0. Donc, d'après votre observation, cela peut signifier que les ensembles de données sont tous classés dans la même classe