问题描述
我正在改编同事的 SVM 管道中的 MATLAB 代码，以对 EEG 数据集进行八向分类，即在数据的每个时间点进行一次预测，每个通道的电压作为 SVM 的输入特征。运行代码（目前包含 200 个数据排列）并结合所有实验参与者的结果后，我绘制了所有预测的直方图。任意命名类别 1-8 后，猜测值呈负线性趋势，类别 1 的预测最多，类别 8 的预测最少。当在为其创建的数据（即 16 路分类器）上运行原始代码时，出现了相同的趋势。我已经进行了测试，以确保这些类的真实分布不会显着不均匀。
我了解 libsvm 的多类分类方法涉及创建 k(k-1)/2 个二元分类器，其中 k = 类数，然后“计算”这些分类器的结果以获得其最终预测。我不认为这会导致对某些类别的偏见，尤其是前几个类别。由于这些数据确实具有时间方面，因此我还检查了较低数量的类别是否可能具有某些强特征，导致在脑电图数据收集过程中，当大脑的反应没有显着差异时，有时会更多地（错误地）猜测它们到不同的班级。我发现这些对较低数字类别的猜测在解码的时间范围内是一致的，因此我认为这不是趋势的原因。
如果有人对可能导致这种趋势的原因有任何直觉，我很想更好地理解，因为这种趋势可能会导致我们对某些类的准确性略有提高。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）