0

我的项目介绍

我目前在matlab中使用 LIBSVM来训练和测试我的数据，以便区分业余摄影师和专业摄影师拍摄的照片/图像。我的数据实际上是 RGB 直方图、Spartial Edge Distribution 和 Repetition Identification 等特征。我使用了 1040 张图像进行训练（50% 是专业照片，50% 是业余照片）和 210 张图像用于测试（未标记）。

我需要有人帮助澄清以下内容

  1. [predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(testing_label_vector, testing_instance_matrix, model [, 'libsvm_options']); 执行测试时 testing_label_vector 为任何值（+1 或 -1）是否正确？

  2. 根据文档 http://www.csie.ntu.edu.tw/~cjlin/papers/libsvm.pdf第 8 页的准确度值给出为准确度 = # 正确预测的数据 / # 总测试数据，这是否意味着执行测试时我必须知道 testing_label_vector，因为我需要能够判断我的 predict_label 是否与 testing_label_vector 相同，以便将标签证明为“正确预测的数据”？

4

1 回答 1

2

(1)

是的，它是 -1 和 1 的向量，表示您正在测试的数据的真实标签（training_instance_matrix 上的数据）。

(2)

是的，您需要知道真实标签才能使用 LIBSVM 返回的准确度值。如果不是，您将获得 SVM 分类器的决定（在预测标签中），但准确率返回的值将没有任何用处。

于 2013-01-02T21:30:48.683 回答