친구, 현재 나는 LIBSVM을 사용하여 SVM 분류기 (5 배 교차 유효성 검사)에서 일하고 있습니다. 아래에는 언급 된 코드가 있습니다. 데이터에는 3 개의 클래스가있는 120 x 4 벡터가 있습니다. 그러므로 각 폴드는 trainData = 120 x 4, testData = 30 x 4입니다. 문제는 혼란 행렬에서 분류 정확도를 얻어야한다는 것입니다. 다음 질문에 대한 대답이 필요합니다.LIBSVM을 사용하여 혼동 행렬에서 분류 정확도를 얻는 방법은 무엇입니까?
- 혼란 매트릭스에서 각 클래스의 분류 정확도를 얻는 방법 ??
- 확률 추정의 필요성은 무엇입니까?
- "가장 높은 확률로 클래스를 예측하시오"라는 용어는 무엇을 말합니까?
- "acc"의 결과를 이해하지 못합니까 ???
미리 감사드립니다.
코드는 다음과 같습니다
load fisheriris %# Fisher Iris dataset
[~,~,labels] = unique(species); %# labels: 1/2/3
data = zscore(meas); %# scale features
numInst = size(data,1);
numLabels = max(labels);
FISH =[];
numFolds = 5;
for jj=1:5% number of iterations
indices = crossvalind('Kfold',labels,numFolds); % K-Fold Validation
for ii = 1:numFolds
test = (indices == ii);
train = ~test
%# split training/testing
idx = randperm(numInst);
numTrain = 120; numTest = numInst - numTrain;
trainData = data(idx(1:numTrain),:); testData = data(idx(numTrain+1:end),:);
trainLabel = labels(idx(1:numTrain)); testLabel = labels(idx(numTrain+1:end));
%# train one-against-all models
model = cell(numLabels,1);
for k=1:numLabels
model{k} = svmtrain(double(trainLabel==k), trainData, '-t 2 -c 1 -g 1 -b 1');
end
%# get probability estimates of test instances using each model
prob = zeros(numTest,numLabels);
for k=1:numLabels
[~,~,p] = svmpredict(double(testLabel==k), testData, model{k}, '-b 1');
prob(:,k) = p(:,model{k}.Label==1); %# probability of class==k
end
%# predict the class with the highest probability
[~,pred] = max(prob,[],2);
acc = sum(pred == testLabel) ./ numel(testLabel) %# accuracy
CM = confusionmat(testLabel, pred) %# confusion matrix
end
FISH =[FISH;(CM(1,1)/10)*100 (CM(2,2)/10)*100 (CM(3,3)/10)*100)
end