Question

求助，关于libsvm的运算结果分类精度

请问libsvm 分类后每一类具体的结果怎么查看，我现在得出只有总的准确率，在Matlab平台，代码如下
file=importdata('Iris.mat');
data=file;
features=data(:,1:4);
classlabel=data(:,5);
n = randperm(size(features,1));
train_features=features(n(1:75),:);
train_label=classlabel(n(1:75),:);
test_features=features(n(76:end),:);
test_label=classlabel(n(76:end),:);
[Train_features,PS] = mapminmax(train_features');
Train_features = Train_features';
Test_features = mapminmax('apply',test_features',PS);
Test_features = Test_features';
model = libsvmtrain(train_label,Train_features);
[predict_train_label] = libsvmpredict(train_label,Train_features,model);
[predict_test_label] = libsvmpredict(test_label,Test_features,model);
compare_train = (train_label == predict_train_label);
accuracy_train = sum(compare_train)/size(train_label,1)*100;
fprintf('训练集准确率：%f\n',accuracy_train)
compare_test = (test_label == predict_test_label);
accuracy_test = sum(compare_test)/size(test_label,1)*100;
fprintf('测试集准确率：%f\n',accuracy_test)

Answer 1

这个问题挺复杂的。 表面上看是libsvm导入出错了。
但是还有另外一个原因，就是数据的格式不太对。 解析出错了。
第三个原因就是python里计算的精度比较高。 而借助了libsvm后数据的精度变低了。
你说的准确率应该是算法结果的准确率。 按理，数据导入时精度变低应该影响不大。
所以很大可能是数据导入错误，或者是算法错误。

追问

请回答与题相关内容谢谢