如何使用支持向量机提高分类精度答案

【问题标题】：How to Improve Classification Accuracy with Support Vector Machine如何使用支持向量机提高分类精度
【发布时间】：2020-04-29 10:56:21
【问题描述】：

我有 7 类与大脑信号活动 (EEG) 相关的输入。当类的数量很大时，分类算法的性能可能会受到影响。正如您在以下代码中看到的那样，我为它们提取了特征，在第一阶段，我用 70% 的数据训练了我的模型，并获得了 100% 的准确率，但在测试阶段，我没有得到剩下的 30%超过 42.5% 的准确率。您对提高模型的准确性有什么建议？

for i=1:7
    [A D]=dwt2(segment_train(i).train,'db1');
    wave_train(i).A=A;
    wave_train(i).D=D;
    f1=mean(A);
    f2=median(A);
    f3=max(D);
    f4=abs(fft(D));
    f4=mean(f4);
    f5=var(D);
    f6=skewness(D);
    f7=entropy(D);
    f8=var(A);
    f9=mean(D);
    f(i,:)=[f1 f2  f3 f4 f5 f6 f7 f8 f9];
end

% feature extraction
% Classifier
nOfSamples=7;
nOfClassInstance=10;
Sample=f;
class=[1 2 3 4 5 6 7]'
%SVM 
Model=fitcecoc(Sample,class);
predictt=predict(Model,Sample);
disp('class predict')
disp([class predictt])

%Accuracy
Accuracy=mean(class==predictt)*100;
fprintf('\nAccuracy =%d\n',Accuracy)

【问题讨论】：

标签： matlab machine-learning classification svm feature-extraction

【解决方案1】：

这个问题有点宽泛。但是，探索类标签的分布是个好主意。

也许类的分布有偏差？某些类的出现率可能比其他类多得多。有多种方法可以解决此问题，例如上/下采样、使用较大因子加权欠采样类的误差等。在线进一步探索这一点是个好主意。

话虽如此，听起来您确实过度拟合了模型。您可能还想探索正则化以对抗低测试分数。

【讨论】：