在libsvm + MATLAB中計算訓練誤差和測試誤差

Question

我想畫出給定SVM分類器的學習曲線。 因此，為了做到這一點，我想計算訓練，交叉驗證和測試誤差，然后在改變某些參數（例如，實例數m ）的同時繪制它們。

與MATLAB一起使用時，如何在libsvm上計算訓練，交叉驗證和測試錯誤？

我看到了其他答案（請參閱示例 ），這些答案為其他語言提供了解決方案。

是否有一種緊湊的方法？

Answer 1

給定一組實例，描述如下：

• 一組特征featureVector ;
• 它們對應的labels （例如0或1），

如果一個model經由先前推斷的libsvm ，可以計算的MSE誤差如下：

[predictedLabels, accuracy, ~] = svmpredict(labels, featureVectors, model,'-q');
MSE = accuracy(2);

請注意， predictedLabels包含分類器為給定實例predictedLabels的標簽。