错误分类错误率和准确性

Question

下面是贝叶斯分类器的Matlab代码，它将任意数字分类到它们的类中。

 training = [3;5;17;19;24;27;31;38;45;48;52;56;66;69;73;78;84;88]; 
     target_class = [0;0;10;10;20;20;30;30;40;40;50;50;60;60;70;70;80;80];  

      test = [1:2:90]'; 
     class  = classify(test,training, target_class, 'diaglinear');  % Naive Bayes classifier 
 [test class]

（a）如果有人可以提供代码片段来计算错误分类和准确性的贝叶斯错误。我查看了有关[class,err]=classify(...)的matlab文档。但是，我无法遵循它并且工作。

（b）另外，如何绘制散点图和直方图，表明属于不同类别的数据点的数量？我尝试了scatter(training(:),target_class(:))，但它提供了别的东西！

（c）如何使用crossvalidate（）？一个例子真的会有所帮助。谢谢。

Answer 1

（a）要计算错误分类错误，您还需要了解test_class。然后，您可以将输出class变量与test_class进行比较。

misserr = sum(test_class~=class)./numel(test_class);

如果您没有测试类，则第二个输出参数err将为您提供在训练集上应用生成模型的错误分类错误的估计值。

（b）如果训练数据集中只有2个因素（列），您可以这样做

scatter(training(:,1),training(:,2),[],target_class)

相应地，您可以将SCATTER3用于3个因素。

对于更多因素，您可以使用PRINCOMP执行主成分分析，并绘制2或3个第一个成分。

更新：我错过了你实际上只有一个因素。您的分散语句可以很好地工作。你为什么不喜欢它？您还可以以不同方式为点添加颜色，并将target_class添加为第四个参数。您也可以交换第一个和第二个参数，以便更好地代表。

（c）您可以使用统计工具箱中的CROSSVAL和CVPARTITION函数执行简历。有关有用的示例，请参阅文档。

这是另一个SO问题 - How to use a cross validation test with MATLAB?，几乎没有其他选项。