如何在Matlab中使用SVM計算圖像分類中的訓練和測試精度

Question

我試圖通過SVM方法對四組圖像進行分類，方法是每次都隨機選擇訓練和測試數據。 當T運行程序時，性能由於隨機選擇數據而有所不同。 如何獲得我算法的准確性能，以及如何計算訓練和測試的准確性？

我用來表現的公式是

Performance = sum(PredictedLabels == test_labels) / numel(PredictedLabels)

我正在使用multisvm函數進行分類。

Answer 1

我的建議：

實際上，性能指標是可以接受的，盡管還有其他一些更好的選擇，例如@Dan提到的。

更重要的是，您需要處理隨機性。

1）每次選擇training數據時， trained使用多個隨機的test數據對trained模型進行test並取平均精度。 （例如10次左右）

2）使用trained模型並平均表現以得到總體表現。

備注：

1）您需要確保training數據和test數據不重疊。 或不再是test數據。

2）最好讓training數據中每個class label的樣本數均相同。 這意味着您可以預先對數據集進行分區。