matlab中SVM混淆矩阵,如何使用LIBSVM从混淆矩阵中获得分类准确性？

朋友，目前我正在使用LIBSVM在SVM分类器(5倍交叉验证)中工作。下面我提到了代码。总体而言，数据具有120个4个向量，具有3个类别。因此，每次折叠，trainData = 120×4，testData = 30×4。问题是，我必须从混淆矩阵中获得分类精度。 我需要下列问题的答案：如何使用LIBSVM从混淆矩阵中获得分类准确性？

如何从混淆矩阵中得到每个类的分类准确率？

概率估计需要什么？

该术语所指的是“预测具有最高概率的类”？

我不明白“acc”的结果吗???

在此先感谢朋友。

的代码是：

load fisheriris %# Fisher Iris dataset

[~,~,labels] = unique(species); %# labels: 1/2/3

data = zscore(meas); %# scale features

numInst = size(data,1);

numLabels = max(labels);

FISH =[];

numFolds = 5;

for jj=1:5% number of iterations

indices = crossvalind('Kfold',labels,numFolds); % K-Fold Validation

for ii = 1:numFolds

test = (indices == ii);

train = ~test

%# split training/testin