Matlab 我怎样才能得到一个在更大的矩阵上训练过的SVM来对不同大小的矩阵进行分类

我正在训练一个一对所有svm分类器。我使用200 x 459的矩阵来训练使用VLFeat svm分类器的分类器。（）

其中，

train\u image\u feats'

是一个200×459的矩阵，

tmp'

是一个1×459向量的标签矩阵

---

上面的命令训练svm没有问题，但是为了对测试矩阵上获得的分数进行分类，我得到了一个错误。测试矩阵显然与训练矩阵的大小不同

   scores(i, :) = W'*test_image_feats' + B;

其中，

test\u image\u feats'

是一个200 x 90的矩阵<代码>分数是一个9乘459的矩阵。9，因为有9个类别（标签）要分类，459是训练图像的数量

上面的命令给出了错误：

下标赋值维度不匹配

svm_分类（第56行）得分错误（i，：）=W'*测试_图像_专长' +B

编辑：添加了完整的代码

categories = unique(train_labels); 
num_categories = length(categories);
scores = zeros([num_categories size(train_labels, 1)]); %train_labels is 459 by 1 size
for i=1:num_categories %there are 9 categories
   tmp = strcmp(train_labels, categories{i});
   tmp = tmp - (1-tmp);
   [W B] = vl_svmtrain(train_image_feats', tmp', .00001);
   scores(i, :) = W'*test_image_feats' + B;
end
predicted_categories = cell(size(train_labels));
parfor i=1:size(test_image_feats,1)
    image_scores = scores(:, i);
    label_index = find(image_scores==max(image_scores));
    predicted_categories{i}=categories(label_index);
end

---

问题不在于你的作业右侧，而在于

分数（i，：）

：你试图将一个9×90大小的矩阵分配到一行

分数

-这根本不合适。

从概念上讲，你是在用459个训练样本训练一个模型，以预测90个测试样本的分数

scores = zeros([num_categories size(train_labels, 1)]);

这是不对的，因为它将是训练集的大小。事实上，你根本不必关心训练集的大小，你可以用20或20000张图像训练模型，预测步骤应该不会有任何不同

分数的定义必须考虑测试用例

scores = zeros([num_categories size(test_labels, 1)]);

当您将459用于两者时，它只起作用，因为
大小（test\u labels，1）
等于
大小（train\u labels，1）
在我看来，您是在混合测试和train案例。我假设在训练模型后，你用它来预测90个测试图像？那么？什么是
W'
和
B
？什么是
size
是
W'*test\u image\u feats'+B
？W'是一个1乘200的矩阵，B是一个标量值（偏移值）。您能提供更多的代码吗？对我来说，“分数”的大小没有任何意义。它应该是什么？您的测试用例的预测分数是多少？在这种情况下，它应该是9乘90，而不是9乘459。您还说有9个标签，但这9个标签是否在“tmp”中一致指定？您尝试预测90个图像的分数，并使用一个矩阵，其中可以包含459个分数。“分数”必须是9*“测试图像数”。显然，错误信息非常清楚。但对我来说，这句话从概念的角度看是没有意义的。虽然你可能觉得很明显，但它仍然是OP所要求的。这个答案解释了错误信息。“测试矩阵显然与训练矩阵的大小不同。”来自OP的问题。这并不是OP真正想要的，但无论如何……谢谢你，这就是解决办法。我知道大小不同，但没有编辑它，因为90小于459，所以理论上它应该使用90列，剩下的列为0。我认为当矩阵小于所需数量时会出现问题。但我想这不是它的工作原理。
scores = zeros([num_categories size(test_labels, 1)]);