如何在 matlab 中使用 SVM 计算图像分类中的训练和测试精度

Question

我正在尝试使用SVM 方法对四组图像进行分类，每次随机选择训练和测试数据。当 T 运行程序时，由于随机选择数据，性能会有所不同。如何获得我的算法的准确性能以及如何计算训练和测试的准确性？

我使用的性能公式是

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

我正在使用multisvm 函数进行分类。

Answer 1

我的建议：

实际上，性能衡量标准是可以接受的，尽管还有一些其他稍微好一点的选择，比如@Dan 提到的。

更重要的是，您需要处理随机性。

1) 每次选择training 数据时，使用多个随机test 数据测试trained 模型并平均准确度。 （例如10次左右）

2) 使用多个trained 模型并对性能进行平均以获得一般性能。

备注：

1) 您需要确保training 数据和test 数据不重叠。或者它不再是test 数据。

2) 最好让training 数据具有来自每个class label 的相同数量的样本。这意味着您可以提前对数据集进行分区。