У меня есть проблема с svm. Я использовал svmtrain и svmclassify для классификации массы и массы. У меня есть подготовка данных 40 ложных положительных и 13 истинных положительных. когда я его тестирую (тестирование данных, которое я использовал = обучение данных) работает и дает на 100% больше. но когда я тестирую (тестирование данных, которое я извлекаю из обучения данных), обучение данных (TP = 8 FP = 30) и тестирование данных (TP = 5 FP = 10). результат дает все данные ложно положительными. есть ли какие-либо идеи по этой проблеме? или это из-за небольшого числа тестирования и обучения данных?Почему результаты классификации с использованием SVM не подходят в Matlab?
-1
A
ответ
1
Вполне нормально, что независимый испытательный набор может работать плохо, а это значит, что ваша модель явно имеет тенденцию к обмундированию, так как вы получили 100%, когда подходите к данным обучения. попробуйте отрегулировать параметр модели svm, применить предварительную обработку данных, особенно стандартизацию, чтобы снизить вашу пригодность к обучению и (надеюсь) ваши независимые тестовые данные. когда две точности приближаются, модель будет действительна.
Смежные вопросы
- 1. Matlab SVM для классификации изображений
- 2. Необычный результат классификации SVM в Matlab
- 3. Почему SVM получает разные результаты с использованием другой функции?
- 4. с использованием SVM для двоичной классификации
- 5. SVM для классификации характеристик изображения?
- 6. текст классификации с помощью SVM
- 7. Почему эти результаты не подходят для соответствия?
- 8. в двоичном неправильной классификации SVM
- 9. Как рассчитать точность обучения и тестирования в классификации изображений с использованием SVM в matlab
- 10. Как использовать SVM в Matlab?
- 11. SVM multiclassification с MATLAB R2015a
- 12. Представление SVM-функции с использованием готового словаря для классификации текста
- 13. Ошибка построения графа классификации SVM
- 14. Настройка одноклассной классификации SVM R с использованием e1071 ERROR
- 15. Sklearn SVM vs Matlab SVM
- 16. SVM для классификации текста с использованием библиотеки LIBSVN для java
- 17. python sklearn результаты классификации результатов
- 18. Вычислить точность классификации изображений с использованием модели SVM
- 19. Перевод линейного алгоритма классификации SVM на C с использованием MATLAB Coder
- 20. SVM matlab пример
- 21. Matlab imwarp, изображения не подходят
- 22. Классификация документов с использованием SVM
- 23. Границы поля SVM с использованием MATLAB и libsvm
- 24. Базовый SVM Реализовано в MATLAB
- 25. gmdistribution для классификации в Matlab
- 26. Как составить график классификации SVM в R
- 27. SVM Визуализация в MATLAB
- 28. Получить атрибуты веса/важности в классификации SVM
- 29. Сюжет модели SVM в классификации R -Text
- 30. Почему результаты классификации Tensorflow tf.learn сильно различаются?
Хорошо. Я хочу убедиться, что 1. моя классификация уже правильная (потому что дает 100% при подготовке данных, используемых для тестирования)? 2. Должен ли я использовать сбалансированное количество данных обучения и данных тестирования? (это также проблема?). 3. Что означает u, чтобы скорректировать параметр модели? (Do u означает, что я должен попробовать другое ядро и установить параметр? Или есть другой параметр? 4. Если бы я использовал libsvm, это даст лучший результат? Извините за многие вопросы, потому что я новичок в этой области. спасибо – user2157806
Если вы используете пакет libsvm, вы можете посмотреть руководство для начинающих. http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf что будет особенно полезно, особенно обратите внимание на технику «поиска сетки». 100% с данными тренировки ничего не значат, кроме возможности переобучения. Важным является коррекция% для независимых тестовых данных и данных перекрестной проверки. Я не уверен, что балансировка будет проблемой, поскольку она сильно зависит от конкретной проблемы. – user2194365