Spark二进制分类预测精度

Question

我使用Spark mlib进行二进制分类。我在3000张照片上训练了一个模型，并且可以预测它是男性还是女性1/0。

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); 
      } 
     }); 

我有一个问题，如果图片不包含任何人。例如一张花的图片。无论如何，我会得到男性或女性的结果。有没有办法看到当前决策的准确性？例如，如果我们试图对花卉图片进行预测，则此矢量为30％男性。或者我需要使用多种分类，如男性/女性/其他人？

Answer 1

正如您在您的问题中所述，如果您目前已经训练了您的模型以执行二进制分类，那就完成了。你可以这样做至少有两个不同的东西：

1. 训练你的模型来预测三类（male，female，other），你的建议。
2. 使用两个二进制模型，一个预测在human present/not present之间，然后仅将human present结果传递给单独的分类器。

这是很难说的前期这将是更有效，但由于您使用的mllib，它应该是相当直截了当地都去尝试一下，看看哪一种效果更好。确保使用好的train/validation/test拆分进行比较。