スパークバイナリ分類の予測精度

Question

バイナリ分類にSpark mlibを使用しています。私は3000枚の写真でモデルを訓練し、それが男性または女性の1/0であることを予測することができます。

final NaiveBayesModel model = NaiveBayes.train(training.rdd(), 1.0); 
JavaRDD predictions = test.map(new Function<Vector, Double>() { 
      @Override 
      public Double call(Vector p) { 
       return model.predict(p); 
      } 
     }); 

私には質問があります。写真に人がいない場合はどうなりますか？例えば、花の写真。とにかく男性または女性の結果が与えられます。現在の決定の正確さを確認する方法はありますか？たとえば、花の写真を予測しようとすると、このベクトルは30％の男性です。または、男性/女性/その他のようなマルチクラス分類を使用する必要がありますか？

Answer 1

あなたの質問では、現在バイナリ分類を行うようにモデルを訓練している場合は、それだけです。あなたは、少なくとも2つの異なることを行うことができます：あなたが提案するよう

1. は、三つのクラス（male、female、other）を予測するモデルを訓練します。次いでhuman present/not present間予測
2. 使用する2つのバイナリモデル、一つだけ別male/femaleクラシファイアにhuman present結果を渡します。

より効果的なものを先に伝えるのは難しいですが、mllibを使用しているので、両方を試してみるとどちらが良いかわかるはずです。比較するには良いtrain/validation/test分割を使用してください。