MATLAB 支持向量机 : Using the same dataset for training and testing gives different results

标签 matlab machine-learning classification svm multiclass-classification

我正在使用函数“fitcsvm”在具有 4 个类别的数据集上使用一对一方法训练具有多项式内核的 SVM。为了进行健全性检查,我尝试将生成的模型应用到我使用“预测”函数进行训练的同一数据集。我预测每个 SVM 的所有观测值的标签,并选择与特定观测值具有最高后验概率的 SVM 对应的标签作为其最终标签。然而,训练和测试误差并不完全相同。这背后的原因是什么?

最佳答案

这 4 个类的实例数量是否相同?如果不是,那么 fitcsvm 可能会标准化准确性以考虑到这一点。

对于 Mathworks 技术支持来说,这听起来也是一个很好的问题。

关于MATLAB 支持向量机 : Using the same dataset for training and testing gives different results,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42198587/

相关文章:

c++ - 尝试访问结构时 Matlab 编码器构建错误

matlab - 在 Matlab 中高效获取像素坐标

machine-learning - 构建决策树时的停止条件

machine-learning - 向线性 SVM/逻辑回归目标函数添加仿射项

python - 为什么我在 Keras 中使用前馈神经网络进行单独训练、验证和测试数据集时可以获得 100% 的准确率?

python - 在 python 中支持向量机分类器的替代方法?

matlab - 如何识别这个简单的验证码?

image - 在 MATLAB 中展开半圆柱体的图片

python-3.x - ALB 指标的异常检测

python 调用 boto3.client.create_data_source_from_s3