Вычислить точность классификации изображений с использованием модели SVM

Question

Я новичок в ML и R. Я создал модель классификации изображений с использованием SVM. Ниже приведен код, который я использовал для создания этой модели,

tuned <- tune.svm(label~., data = train, gamma = 10^(-6:-1), cost = 10^(-1:1)) 
model <- svm(label~., data = train, kernel = 'radial', type = 'C-classification', gamma = 0.001, cost = 10) 

prediction <- predict(model, test[,-1]) 
prediction 

tab <- table(pred = prediction, true = test[,1]) 
tab 

Есть ли функция для вычисления точности модели?

мне нужно знать, как создавать что-то вроде скриншоте ниже, используя R,

Answer 1

Попробуйте SVM (с 5-кратным перекрестной проверки), чтобы получить желаемый результат (побежал со случайно сгенерированных данных)

tuned <- tune.svm(label~., data = train, gamma = 10^(-6:-1), cost = 10^(-1:1)) 
model <- svm(label~., data = train, kernel = 'radial', type = 'C-classification', gamma = 0.001, cost = 10, cross=5) 
summary(model) 

с выходом

Call: 
svm(formula = label ~ ., data = train, kernel = "radial", type = "C-classification", gamma = 0.001, cost = 10, cross = 5) 


Parameters: 
    SVM-Type: C-classification 
SVM-Kernel: radial 
     cost: 10 
     gamma: 0.001 

Number of Support Vectors: 70 

(52 18) 


Number of Classes: 2 

Levels: 
false true 

5-fold cross-validation on training data: 

Total Accuracy: 74.28571 
Single Accuracies: 
57.14286 85.71429 64.28571 92.85714 71.42857 

, а затем использовать модель для прогнозирования на невидимых данных

prediction <- predict(model, newdata=test[,-1]) 
prediction 

tab <- table(pred = prediction, true = test[,1]) 
print('contingency table') 
tab 

with output 

"contingency table" 
     true 
pred false true 
    false 21 9 
    true  0 0