原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
利用libsvm-mat建立分类模型model参数解密
======================================================= 本帖子主要就是讲解利用libsvm-mat工具箱建立分类（回归模型）后，得到的模型model里面参数的意义都是神马？以及如果通过model得到相应模型的表达式，这里主要以分类问题为例子。 测试数据使用的是libsvm-mat自带的heart_scale.mat数据（270*13的一个属性据矩阵，共有270个样本，每个样本有13个属性），方便大家自己测试学习。 首先上一个简短的测试代码：
1. %% ModelDecryption
2. % by faruto @ farutos Studio~
3. % /faruto
4. % Email:faruto@163.com
5. %
6. % http://www.mfun.la
7. %
8. % last modified by 2011.01.06
9. %% a litte clean work
10. tic;
11. close all;
12. clear;
13. clc;
14. format compact;
15. %%
16. % 首先载入数据
17. load heart_scale;
18. data = heart_scale_inst;
19. label = heart_scale_label;
20. % 建立分类模型
21. model = svmtrain(label,data,-s 0 -t 2 -c 1.2 -g 2.8);
22. model
23. % 利用建立的模型看其在训练集合上的分类效果
24. [PredictLabel,accuracy] = svmpredict(label,data,model);
25. accuracy
26. %%
27. toc;
复制代码
运行结果：
1. model =
2. Parameters: [5x1 double]
3. nr_class: 2
4. totalSV: 259
5. rho: 0.0514
6. Label: [2x1 double]
7. ProbA: []
8. ProbB: []
9. nSV: [2x1 double]
10. sv_coef: [259x1 double]
11. SVs: [259x13 double]
12. Accuracy = 99.6296% (269/270) (classification)
13. accuracy =
14. 99.6296
15. 0.0148
16. 0.9851
17. Elapsed time is 0.040155 seconds.
复制代码
这里面为了简单起见没有将测试数据进行训练集和测试集的划分，这里仅仅是为了简单明了而已，分类结果估计可以不要管，参数优化也不要管，另有帖子讲解。 下面我们就看看 model这个结构体里面的各种参数的意义都是神马，model如下：
model = Parameters: [5x1 double] nr_class: 2 totalSV: 259 rho: 0.0514 Label: [2x1 double] ProbA: [] ProbB: [] nSV: [2x1 double] sv_coef: [259x1 double] SVs: [259x13 double]
model.Parameters 我们先来看一下model.Parameters里面承装的都是什么：
1. model.Parameters
2. ans =
3. 0
4. 2.0000
5. 3.0000
6. 2.8000
7. 0
复制代码
重要知识点：
model.Parameters参数意义从上到下依次为： -s svm类型：SVM设置类型(默认0) -t 核函数类型：核函数设置类型(默认2) -d degree：核函数中的degree设置(针对多项式核函数)(默认3) -g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数) (默认类别数目的倒数) -r coef0：核函数中的coef0设置(针对多
文档评论（0）