1樓：王贇 Maigo
搜到了這麼乙份文件，其中說：
The function 'svmpredict' has three outputs. The first one,
predictd_label, is a vector of predicted labels. The second output,
accuracy, is a vector including accuracy (for classification), mean
squared error, and squared correlation coefficient (for regression).
The third is a matrix containing decision values or probability
estimates (if '-b 1' is specified).If k is the number of classes, for decision values,
each row includes results of predicting k(k-1/2) binary-class SVMs.For probabilities,
each row contains k values indicating the probability that the testing instance is in
each class. Note that the order of classes here is the same as 'Label'
field in the model structure.
加粗的那句與題主的問題有關。
這份文件寫得也真是粗糙，這句中的式子應該是 k(k-1)/2 ……
它的意思是，多類判別其實是化成許多兩類判別問題來做的，如果一共有 k 類，那就有 C(k,2) = k(k-1)/2 個兩類判別問題。每一行的 k(k-1)/2 個數，就是這些兩類判別問題的結果。
以 k = 3 為例，此時每行會有 k(k-1)/2 = 3 個數。第乙個數表示第 1、2 類之間的判別結果，正數表示偏向第 1 類，負數表示偏向第 2 類，絕對值代表到判決邊界的距離。第二個數則表示第 1、3 類之間的判別結果，第三個數表示第 2、3 類之間的判別結果。
現在再看題主的資料。前兩行資料，三個數都是正的，表明在第 1、2 類之間更偏向第 1 類，第 1、3 類之間更偏向第 1 類，第 2、3 類之間更偏向第 2 類（以下簡記為 1>2, 1>3, 2>3），所以判別結果為第 1 類。中間兩行資料，1<2, 1<3, 2>3，判別結果為第 2 類。
最後兩行資料，1<2, 1<3, 2<3，判別結果為第 3 類。
如果出現 1>2, 2>3, 3>1 這種情況會怎麼辦，我也不知道了，大概要去看 libSVM 的原始碼了……
如何簡單理解貝葉斯決策理論（Bayes Decision Theory）？
今天是賠錢貨嗎 首要打好2個基礎1。這兩類均是由2個階段組成2。條件概率的思維 1。全概公式 首要樹立乙個齊備事情組的思維，其實全概就是已知第一階段求第二階段，比方第一階段分A B C三種，然後A B C中均有D發作的概率，最終讓你求D的概率 P D P A P D A P B P D B P C ...
如何最簡單 通俗地理解決策樹演算法？
雲朵 決策樹 Decision tree 是一種基本的分類與回歸方法，是一種非引數的有監督學習方法。決策樹是一種樹狀結構，它的每乙個葉子結點對應著乙個分類，非葉子結點對應著在某個屬性上的劃分，根據樣本在該屬性上的不同取值降氣劃分成若干個子集。其基本原理是通過遞迴切割的方法來尋找最佳分類標準，進而最終...
c 中如何理解「左值」和 「右值」 左值是不是儲存在stack上，而右值是儲存在heap上？
AlseinX 從字面意思理解，左值和右值是指出現在賦值等號的左邊和右邊的值。右值只能出現在等號右邊，而左值只能出現在等號的左邊。左值是指變數或具有變數語義的表示式，是記憶體空間中 無論是堆還是棧 分配出來的一段用於儲存值的空間。而右值是乙個具體的，可以被計算 被得出 被儲存的資料。例如，有乙個in...