[英]How to calculate Training and testing accuracy in image classification using SVM in matlab
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。
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.