基于加权策略的SVM多元分类器.ppt

基于加权策略的SVM多元分类器 华南理工大学信息网络工程研究中心 　 广东省计算机网络重点实验室 　 曹鸿 董守斌 张凌 目录 算法描述 传统一对多（OVA）方法 加权阈值策略（OVA-WWT） 系统模块 实验结果 结论 传统OVA（One-Vs-All）方法：主要思路 主要思路 训练N个不同的二元分类器，第i个分类器用第i类中的训练样本作为正的训练样本，而将其他样本作为负的训练样本 当对一个新文档进行分类时，分别运行N个二元分类器，选择输出相似度值最大的那个分类器的结果 传统一对多（OVA）方法：形式化描述 给定个l训练样例( , ), … ( , )，其中 , i =1, … l, 且 是xi的类标签，则第i个SVM分类器要解决下面的最优化问题: 用下面的k个决策方程计算x与k个类别的相似度： 最终判定x隶属于决策方程输出相似度最高的那个类别： Class of x = 阈值策略 阈值策略：把一篇文档归属到某些相关类别中的方法 RCut、PCut和SCut 传统OVA使用的是RCut策略 传统一对多（OVA）方法：缺点 1）比较文档对N个类别的相似度，简单地取相似度最大的那个类别，由于这N个相似度是由N个不同的分类器产生，简单地取最大值作为阈值策略并不合适； 2）对所有类别一视同仁，而实际上，有些类别属于“弱势类”，其类别信息容易被“强势类”所淹没，导致“弱势类”文档被误分到“强势类”中的不公平现象。 本文对OVA的改进 提出加权阈值策略(Weighted RCut: WRCut) 通过给不同类别的相似度结果赋以一定的权重值后再进行比较，实现“弱势类”和“强势类”之间的势力均衡，以消除使用单一的RCut策略所造成的不公平现象 目录 算法描述 传统一对多（OVA）方法 加权阈值策略（OVA-WWT） 系统模块 实验结果 结论 加权阈值策略（OVA-WWT） 算法描述： 先解SVM最优化问题，用决策方程计算出文档对N个类别的相似度，再对各类别运用WRCut阈值策略，文档x属于加权相似度最大的类别 Class of x = ai也可以通过对训练集的学习而得。 目录 传统一对多（OVA）方法 加权阈值策略（OVA-WWT） 系统模块 实验结果 结论 系统模块结构 目录 算法描述 传统一对多（OVA）方法 加权阈值策略（OVA-WWT） 系统模块 实验结果 结论 实验结果 数据集：北京大学网络实验室提供的CWT100G数据集之200M训练集（11个类别） 模型：200M数据的2/3用于构建分类器模型，剩余1/3作开放测试集进行分类测试。SVM使用线性核函数。 评测标准：微平均准确率、宏平均准确率、宏平均召回率、宏平均F1值和时间，其中时间是包括训练和分类的总时间 实验结果1：分类器的比较(1) 实验结果1：分类器的比较(2) 性能曲线图 时间柱状图 实验2：阈值策略的比较（1） 对WRCut中各类别的权重值，本文将训练集随机划分为训练-训练集(占3/4)和训练-测试集（占1/4），从经验值出发，在反复训练的过程中自动调整权重值。 权重调整范围为0.9~1.9，每个类的权重分别递增0.1，当权重的增加使得精度下降时，该权重减0.1，取宏观F1达到最大值时各类别所得权重，总训练时间为58.587秒，这个时间对总训练时间而言是可忽略的。 实验2：阈值策略的比较（2） 实验2：阈值策略的比较（3） RCut策略与WRCut策略精度比较曲线 目录 算法描述 传统一对多（OVA）方法 加权阈值策略（OVA-WWT） 系统模块 实验结果 结论 结论 本文提出了一对多算法的改进版本OVA-WWT算法 基于OVA-WWT和SVMlight二元分类算法，实现了SVMlight的多元分类器MSVMlight。 在CWT100G上进行了一系列开放性实验，通过与多种分类器进行性能比较，证明对CWT100G数据集而言，MSVMlight在准确率和时间性能要优于其他三种分类器。 针对CWT100G数据集进行阈值策略选择实验，结果表明，OVA-WWT算法比OVA算法精度要高 缺点：类别权重的训练需要花费额外时间，但是对于大规模数据的训练和分类而言，以可忽略的时间换来精度的显著提高是值得的 谢谢大家！ 全国搜索引擎与网上信息学术研讨会 88.31 76.33 48.73 26.40 宏平均F1（％） 1108.5 8