我试图使用SVM方法对四组图像进行分类，每次随机选择训练和测试数据。当T运行程序时，由于随机选择数据，性能会有所不同。如何获得我的算法的准确性能以及如何计算训练和测试准确度？
我用于表现的公式是
Performance = sum(PredictedLabels == test_labels) / numel(PredictedLabels)
我使用multisvm函数进行分类。
答案 0 :(得分：0)
我的建议：
实际上，性能指标是可以接受的，尽管还有其他一些稍微好一点的选择，比如@Dan提到的。
更重要的是，你需要处理随机性。
1）每当您选择training数据时，请使用多个随机trained数据测试test模型并平均准确度。 （例如10次左右）
2）使用多个trained模型并平均性能以获得一般性能。
注：
1）您需要确保training数据和test数据不重叠。或者它不再是test数据。
2）最好让training数据具有来自每个class label的相同数量的样本。这意味着您可以提前对数据集进行分区。