Question

我正在制作SVM，它将在火车车厢上使用车载加速度计预先区分轨道维护。有焦点部分，我提取了与该部分对应的加速度数据。每次运行大约需要3分钟才能通过该部分，因此考虑到加速度计的采样率约为1600 / s，每次运行的加速度数据记录大约为3min * 60sec * 1600 / s = 288,000。然后我计算每次运行的那些加速度记录的方差，最大值，最小值，平均值，标准偏差和最频繁值。大约有250次运行，因此我将这些计算值的数据集设为250次。然后我还根据维护记录和每次运行的日期对赛道维护进行预先分类。

使用这个，我试着像我提到的那样制作SVM。首先，我试图在高斯核函数中找到伽玛和成本的最佳参数，所以我使用＆＃34; tune＆＃34;做网格搜索。然后我得到了如下结果：

> source("grid_search.R")
[gamma = 1 , cost = 10 ]
- best parameters:
gamma = 1.584893 ; cost = 25.11886 ;
accuracy: 88.54935 %

还＆＃34; grid_search.R＆＃34;如下：

gamma <- 10^(0.0)
cost  <- 10^(1.0)
gammaRange <- 10^seq(log10(gamma)-1,log10(gamma)+1,length=11)[2:10]
costRange  <- 10^seq(log10(cost)-1 ,log10(cost)+1 ,length=11)[2:10]
t <- tune.svm(Category ~ ., data = X, gamma=gammaRange, cost=costRange,
          tunecontrol = tune.control(sampling="cross", cross=8))
cat("[gamma =", gamma, ", cost =" , cost , "]\n")
cat("- best parameters:\n")
cat("gamma =", t$best.parameters$gamma, "; cost =", t$best.parameters$cost, ";\n")
cat("accuracy:", 100 - t$best.performance * 100, "%\n\n")
plot(t, transform.x=log10, transform.y=log10, zlim=c(0,0.1))

之后，使用＆＃34; svm＆＃34;参数＆＃34; gamma = 1.584893;成本= 25.11886;＆＃34;如上所述，我训练了SVM并尝试预测将用于训练SVM的数据分类如下：

gamma = 1.584893 ; cost = 25.11886;
model <- svm(Category ~ ., data = X, gamma=gamma, cost=cost)
pred <- predict(model, X)
table(pred, X[,13])

我得到的结果如下：

pred     after before
after      47    2
before     1    185

我的问题是：根据上面的矩阵，准确度可以说是 1 - （1 + 2）/（47 + 2 + 1 + 185）= 0.987234（98.7％）

但我也得到了准确度：88.54935％＆＃34;由于＆＃34;调和＆＃34;当我得到最佳参数，例如＆＃34; gamma = 1.584893;成本= 25.11886;＆＃34;。

R中“调”和“预测”的准确度不同

0 个答案: