遗传算法选择最优参数matlab程序.docVIP

复制代码 在这里使用启发式算法GA（遗传算法）来进行参数寻优，用网格划分(grid search)来寻找最佳的参数c和g，虽然采用网格搜索能够找到在CV意义下的最高的分类准确率，即全局最优解，但有时候如果想在更大的范围内寻找最佳的参数c和g会很费时，采用启发式算法就可以不必遍历网格内的所有的参数点，也能找到全局最优解。关于遗传算法这里不打算过多介绍，想要学习的朋友可以自己查看相关资料。使用GA来进行参数寻优在在libsvm-mat-2.89-3[FarutoUltimate3.0]工具箱中已经实现gaSVMcgForClass.m（分类问题参数寻优）、gaSVMcgForRegress.m（回归问题参数寻优）。 利用GA参数寻优函数(分类问题):gaSVMcgForClass [bestCVaccuracy,bestc,bestg,ga_option]= gaSVMcgForClass(train_label,train,ga_option) 输入： train_label:训练集的标签，格式要求与svmtrain相同。 train:训练集，格式要求与svmtrain相同。 ga_option:GA中的一些参数设置，可不输入，有默认值，详细请看代码的帮助说明。 输出： bestCVaccuracy:最终CV意义下的最佳分类准确率。 bestc:最佳的参数c。 bestg:最佳的参数g。 ga_option:记录GA中的一些参数。 ========================================================== 利用GA参数寻优函数(回归问题):gaSVMcgForRegress [bestCVmse,bestc,bestg,ga_option]= gaSVMcgForRegress(train_label,train,ga_option) 其输入输出与gaSVMcgForClass类似，这里不再赘述。 复制代码 gaSVMcgForClass.m源代码： function [BestCVaccuracy,Bestc,Bestg,ga_option] = gaSVMcgForClass(train_label,train_data,ga_option) % gaSVMcgForClass %% % by faruto %Email:patrick.lee@ QQ:516667408 /faruto BNU %last modified 2010.01.17 %% 若转载请注明： % faruto and liyang , LIBSVM-farutoUltimateVersion % a toolbox with implements for support vector machines based on libsvm, 2009. % % Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for % support vector machines, 2001. Software available at % .tw/~cjlin/libsvm %% 参数初始化 if nargin == 2 ? ? ga_option = struct(maxgen,200,sizepop,20,ggap,0.9,... ? ?? ???cbound,[0,100],gbound,[0,1000],v,5); end % maxgen:最大的进化代数,默认为200,一般取值范围为[100,500] % sizepop:种群最大数量,默认为20,一般取值范围为[20,100] % cbound = [cmin,cmax],参数c的变化范围,默认为(0,100] % gbound = [gmin,gmax],参数g的变化范围,默认为[0,1000] % v:SVM Cross Validation参数,默认为5 %% MAXGEN = ga_option.maxgen; NIND = ga_option.sizepop; NVAR = 2; PRECI = 20; GGAP = ga_option.ggap; trace = zeros(MAXGEN,2); FieldID = ... [rep([PRECI],[1,NVAR]);[ga_option.cbound(1),ga_option.gbound(1);ga_option.cbound(2),ga_option.gbound(2)]; ... [1,1;0,0;0,1;1,1]]; Chrom = crtbp(NIND,NVAR*PRECI); gen = 1; v = ga