Discussion :

[red4000]

bonjour,
j'ai écrit un code pour classification muti (un contre tous), mais le taux de réussite de la classification reste très bas (45%), le code en question est ci dessous reste que modifier les données a classé, je ne sais pas si j'ai fait une erreur dans mon algorithme :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
%------------------------ classe pour apprentissage -----------------------
xx=[1;1;0;2;1;0;1;2;2;0;3;0;0;0;1;1;1;1;2;1;2;0;2;1;3;0;1;3;0;1;0;0;1;0;1;0;2;2;2;2;0;1;1;2;1;1;2;0;2;2;2;1;1;2;2;0;1;0;0;0;2;1;2;0;1;2;1;2;0;1;0;1;2;0;0;1;2;2;0;0;0;1;2;0;2;2;1;1;3;1;0;1;2;1;1;2;0;1;2;1];
 
% initialisation en supposant qu’il ya que la classe 2 et 1 (classification binaire).
 
classe0=2*ones(100,1);
classe1=2*ones(100,1);
classe2=2*ones(100,1);
classe3=2*ones(100,1);
 
% trouvé les index des classes dans xx.  
 
for i=1:100;
   if xx(i,1) == 0;
     x_classe0 = find(xx==0);
       elseif xx(i,1) == 1;
     x_classe1 = find(xx==1);
       elseif xx(i,1) == 2;
     x_classe2 = find(xx==2);
      else   %xx(i,1) == 3;
     x_classe3 = find(xx==3);
   end;
end;
 
%-------mettre chaque classe a 1 sauf la classe 3 elle restera à 2--------- 
 
classe0(x_classe0,1)=1;
classe1(x_classe1,1)=1;
classe2(x_classe2,1)=1;
 
%--------------------------------------------------------------------------
 
SVMStruct0 = svmtrain(donnees,classe0);
SVMStruct1 = svmtrain(donnees,classe1);
SVMStruct2 = svmtrain(donnees,classe2);
 
%----------------acquisition pour la classification-------------------------
 
Group0 = svmclassify(SVMStruct0,Sample);
Group1 = svmclassify(SVMStruct1,Sample);
Group2 = svmclassify(SVMStruct2,Sample);
 
% classifier le dernier groupe :
% préparer final class label
 
GroupF=zeros(100,1);
for i=1:100
    if Group0(i,1)==1
        GroupF(i,1)=0;
 
    elseif Group1(i,1)==1
           GroupF(i,1)=1;
 
    elseif Group2(i,1)==1
           GroupF(i,1)=2;
 
    else  GroupF(i,1)=3;  
    end
end
 
%Final class label
GroupF;
 
 
%---------------calculé le taux de réussite-------------------------------------------
%les classes pour faire une comparaison avec les résultats de la classification
Classe = [0;2;0;2;0;1;0;1;1;1;1;2;2;1;1;0;2;1;0;3;3;1;1;1;1;1;2;2;2;1;0;1;1;1;1;1;0;1;1;0;2;1;3;1;0;1;2;0;2;1;2;1;1;2;2;0;0;1;2;2;0;2;3;3;1;1;0;1;2;2;1;1;1;1;0;0;2;1;3;0;3;2;0;0;2;1;0;1;2;1;2;1;0;1;1;1;2;1;1;3];
 
comparaison = GroupF==Classe;
taux_de_reussite = sum(comparaison)

merci pour vos conseils, slt.

[petchi]

Deux choses que je comprend pas:


1) Pourquoi est ce que tu appels plusieurs fois SVMtrain et SVMclassify, l’intérêt de la méthode étant de pouvoir classifier TOUTES les classes en même temps.

2) Tu ne précise pas la méthode qu'utilisera ton algorithme SVM ? Est ce que la fonction séparatrice sera linéaire ? ou non ?

[red4000]

1) svmtrain est par défaut un classificateur binaire seulement, mais avec l’approche un contre tous que j'ai suivie on peut le rendre multiclasse.
2) svmtrain par défaut si tu précise pas, elle fait la séparation linéairement.
slt

[petchi]

Autant pour moi pour le 1).


Es tu sur d'avoir choisis un training set bien représentatif pour chaque combinaison ? Et surtout y a-t-il une réelle différence entre les différents paramètres de tes différentes classes ?

[red4000]

Pour les combinaisons des données c'est experimental, pour chaque donnée il ya une classe et aprés pour les résultats je les connais d'avances leur classe, mais je fais une comparaison pour savoir le taux de réussite du programme.