使用 SVM 模型计算图像分类的准确度答案

【问题标题】：Calculate accuracy for image classification using SVM model使用 SVM 模型计算图像分类的准确度
【发布时间】：2017-04-30 14:13:14
【问题描述】：

我是 ML 和 R 的新手。我已经使用 SVM 构建了一个图像分类模型。以下是我用来构建这个模型的代码，

tuned <- tune.svm(label~., data = train, gamma = 10^(-6:-1), cost = 10^(-1:1))
model  <- svm(label~., data = train, kernel = 'radial', type = 'C-classification', gamma = 0.001, cost = 10)

prediction <- predict(model, test[,-1])
prediction

tab <- table(pred = prediction, true = test[,1])
tab

有没有计算模型准确率的函数？

我需要知道如何使用 R 生成类似以下屏幕截图的内容，

【问题讨论】：

标签： r machine-learning svm confusion-matrix

【解决方案1】：

试试这个（带有 5 折交叉验证的 svm）以获得所需的输出（使用随机生成的数据运行）

tuned <- tune.svm(label~., data = train, gamma = 10^(-6:-1), cost = 10^(-1:1)) 
model <- svm(label~., data = train, kernel = 'radial', type = 'C-classification', gamma = 0.001, cost = 10, cross=5)
summary(model)

有输出

Call:
svm(formula = label ~ ., data = train, kernel = "radial", type = "C-classification", gamma = 0.001, cost = 10, cross = 5)


Parameters:
   SVM-Type:  C-classification 
 SVM-Kernel:  radial 
       cost:  10 
      gamma:  0.001 

Number of Support Vectors:  70

 ( 52 18 )


Number of Classes:  2 

Levels: 
 false true

5-fold cross-validation on training data:

Total Accuracy: 74.28571 
Single Accuracies:
 57.14286 85.71429 64.28571 92.85714 71.42857

然后使用模型对看不见的数据进行预测

prediction <- predict(model, newdata=test[,-1]) 
prediction

tab <- table(pred = prediction, true = test[,1]) 
print('contingency table')
tab

with output 

"contingency table"
       true
pred    false true
  false    21    9
  true      0    0

【讨论】：