在 matlab 中测试朴素分类器时,即使我对相同的样本数据进行训练和测试,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:
请注意,ipsweep、teardrop 和 back 与正常流量混合在一起。我还没有进入对看不见的数据进行分类的阶段,但我只是想测试它是否可以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
虽然我不知道这到底是什么,而且我的代码中可能有这个错误,但我想我只是测试一下看看它输出了什么。
最佳答案
您正在对降维数据使用分类器。分类器应该稍微不精确,因为它需要概括。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,这将是过度拟合的糟糕情况。
至于混淆矩阵的使用。 C(3,4)=79
仅意味着对于 79 个数据点,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 但第 3 类有问题。其余类几乎没有数据,因此很难判断分类器对它们的效果如何。
关于matlab - 朴素分类器matlab,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11554938/