Spark二进制分类预测准确性

Question

我正在使用Spark mlib进行二进制分类。我在3000张照片上训练了一个模型，可以预测它是男性还是女性1/0。

final NaiveBayesModel model = NaiveBayes.train(training.rdd(), 1.0);
JavaRDD predictions = test.map(new Function<Vector, Double>() {
            @Override
            public Double call(Vector p) {
                return model.predict(p);
            }
        });

我有一个问题，如果图片中没有人怎么办？例如一朵花的图片。无论如何，我将获得男性或女性的结果。有没有办法看到当前决策的准确性？例如，如果我们尝试对花卉图片进行预测，则此Vector为30％的男性。或者我需要使用多类分类，如男/女/其他？

Answer 1

正如您在问题中所说的那样，如果您目前正在训练您的模型进行二元分类，那么这就是他们所做的一切。你至少可以做两件事：

1. 按照您的建议训练您的模型预测三个班级（male，female，other）。
2. 使用两个二进制模型，一个在human present / not present之间进行预测，然后仅将human present结果传递给单独的male / female分类器。

很难预先告诉哪些更有效，但是既然你正在使用mllib，就应该非常直接地尝试它们并看看哪个效果更好。确保使用良好的train/validation/test拆分进行比较。