基于Bayes、决策树和SVM的图像分类(垃圾分类)

基于Bayes、决策树和SVM的图像分类： 1.用给出的图像作为训练和测试集 2.基于不同特征的bayes、决策树和SVM算法对图像进行分类。 3.利用精度、召回率和F1以及混淆矩阵以及kappa系数等来评判分类精度 4.进行算法分类精度对比 通过实验对比用三种算法对图片进行分类，Bayes的精确度是0.46，决策树的精确度是0.40，SVM的精确度是0.61，对比可知SVM的精确度相对较好，Bayes其次，决策树最差；从运行耗时可见：决策树耗时最短，Bayes其次，SVM耗时最长。从混淆矩阵图我们可以看出来，主对角线表示分类正确的数值，除此之外的都是分类错误的，主对角线颜色越深，说明分类的正确率越高。 注意：程序运行需要很长一段时间！！！