| 查看: 2433 | 回复: 8 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[交流]
对声音信号在svm里识别，识别率能达到100%，这样的结果正常么？
|
|||
|
最近在对一维信号识别，包括声音信号 后期分类识别使用的是libSVM，发现识别效果都很高，基本上98%以上。 有一些识别率低的，对训练数据人工选取和对svm参数寻优调整后，也能上升到90%-100%。 这样的结果正常么？ 会不会太高了 本人用的测试数据是和训练数据不同的。 |
回复此楼» 猜你喜欢
中青基了要发朋友圈吗？
已经有4人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有4人回复
-
国社科申报系统有变化
已经有3人回复
-
售SCI一区T0P文章，我:8O.55.1.O.5.4,科目齐全,可+急
已经有5人回复
-
售SCI文章，我:8O.5.5.1O.54,科目全,可十急
已经有3人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有5人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有5人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有3人回复
-
售SCI文章，我:8O.5.5.1O.54,科目全,可十急
已经有5人回复
-
售SCI一区T0P文章，我:8.O.55.1.O54,科目全,可伽急
已经有6人回复
» 本主题相关价值贴推荐，对您同样有帮助:
5楼2012-12-10 22:15:05
★ ★ ★
prettyfarmer(金币+1): 谢谢参与
prettyfarmer: 金币+2 2012-12-08 13:24:38
prettyfarmer(金币+1): 谢谢参与
prettyfarmer: 金币+2 2012-12-08 13:24:38
|
判断方法很简单，拿一组真实的数据，用你训练出的模型分类一下，如果依然正确率很高，那么就没问题了。 可能存在的问题是，你数据本身的类内误差很小、类间误差很大，或者测试集与训练集太接近。 举例来说，假设是根据输入的声音文件分析场景，一个场景是卧室，另一个场景是街道，这个通过分贝平均值的特征进行分类显然正确率99%以上很正常，这就属于数据本身类内误差小类间误差大，出现这种情况可能说明你的分类问题很简单，或者你为某个较难的分类问题找到了很好的描述特征。 同样是这个声音分析场景的问题，假如你要通过声音数据区分会议室和化学实验室，这个显然分类效果应该比较差。但是，如果你采集的数据中会议室都是女性讲话的声音，实验室都是男性讲话的声音，则问题退化为男声女声分类，使用声音平均频率作为特征值，也很可能正确率超过90%。然而，这时候你重新采集另外一组会议室、实验室的声音测试，就会发现这个分类器完全不适用，这就是由你的测试集与训练集太接近造成的。 |
2楼2012-12-07 16:14:58
3楼2012-12-08 13:24:29
6楼2012-12-11 01:12:05
30