Я использовал libsvm. Это дает хорошие результаты (95% на позитивах, 94% на негативах). Однако, когда я проверяю, что это неправильно, я не понимаю, почему неправильно их поняло. Как мне определить, что он делает не так? (Что более важно, как я объясню это своему боссу?). Некоторые входные данные тестирования, которые он получает неправильно, очень близки (визуально) к некоторым входным данным тестирования, которые он получает правильно.
О моей проблеме: я смотрю на изображения, 32x32 пикселей, 8-битная шкала серого. Я оцениваю различные детекторы признаков и использую их в качестве плотного представления (то есть на каждом пикселе) изображения. Следовательно, моя длина функции часто составляет 1024; некоторые из детекторов функций имеют несколько выходов, иногда я использую не каждый пиксель, а каждый третий или пятый и т. д. Это задача двоичной классификации, ищущая цифры на изображении; например, я пытаюсь найти квадрат с различными буквами для негативов. SVM делает хорошо. Но иногда он будет классифицировать T как квадрат, и я не знаю почему. Если я использую вероятности, то иногда вероятность довольно высока. Что я делаю, чтобы понять, что он делает и почему?