计算libsvm + MATLAB中的训练错误和测试错误

Question

我想为给定的SVM分类器绘制学习曲线。因此，为了做到这一点，我想计算训练，交叉验证和测试错误，然后在改变某些参数（例如，实例数m）时绘制它们。

如何在与MATLAB一起使用时计算libsvm上的培训，交叉验证和测试错误？

我已经看到其他答案（请参阅example），为其他语言提供解决方案。

难道没有一种紧凑的方式吗？

Answer 1

给出一组描述的实例：

• 一组功能featureVector;
• 他们对应的labels（例如，0或1），

如果先前通过model推断出libsvm，则可以按如下方式计算MSE错误：

[predictedLabels, accuracy, ~] = svmpredict(labels, featureVectors, model,'-q');
MSE = accuracy(2);

请注意，predictedLabels包含分类器为给定实例预测的标签。