3

在 matlab 中测试朴素分类器时，即使我对相同的样本数据进行了训练和测试，我也会得到不同的结果，我想知道我的代码是否正确，是否有人可以帮助解释这是为什么？

%% dimensionality reduction 
columns = 6
[U,S,V]=svds(fulldata,columns);

%% randomly select dataset
rows = 1000;
columns = 6;

%# pick random rows
indX = randperm( size(fulldata,1) );
indX = indX(1:rows)';

%# pick random columns
%indY = randperm( size(fulldata,2) );
indY = indY(1:columns);

%# filter data
data = U(indX,indY);

%% apply normalization method to every cell
data = zscore(data);

%create a training set the same as datasample
training_data = data;

%match the class labels to the corresponding rows
target_class = classlabels(indX,:)

%classify the same data sample to check if naive bayes works
class  = classify(data, training_data, target_class, 'diaglinear')
confusionmat(test_class, class)

这是一个例子：

在此处输入图像描述

请注意，它得到了ipsweep、teardrop 和 back与正常流量混合。我还没有到对看不见的数据进行分类的阶段，但我只是想测试它是否会对相同的数据进行分类。

混淆矩阵输出：

ans =

   537     0     0     0     0     0     0     1     0
     0   224     0     0     0     1     0     1     0
     0     0    91    79     0    17    24     4     0
     0     0     0     8     0     0     2     0     0
     0     0     0     0     3     0     0     0     0
     0     0     0     0     0     1     0     0     0
     0     0     0     0     0     0     2     0     0
     0     0     0     0     0     0     0     3     0
     0     0     0     0     0     1     0     0     1

尽管我不知道这实际上是什么，而且我的代码中可能有这个错误，但我想我只是测试一下它的输出。

4

1 回答 1

5

您正在对降维数据使用分类器。分类器意味着稍微不精确，因为它需要泛化。在降维阶段，您会丢失信息，这也会导致分类性能下降。

即使在训练集上也不要期望完美的表现，这将是过拟合的坏情况。

至于混淆矩阵的使用。C(3,4)=79仅意味着对于 79 个数据点，该类应该是 3，它们被归类为 4 类。完整的矩阵表明您的分类器适用于 1 类和 2 类，但对 3 类有问题。其余的类几乎没有数据，因此很难判断分类器对他们的效果如何。

于 2012-07-19T08:08:10.900 回答