- 1、本文档共9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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
.
SVM工具箱快速入手简易教程(by faruto)一. matlab 自带的函数(matlab帮助文件里的例子)[只有较新版本的matlab中有这两个SVM的函数]=====svmtrain svmclassify=====简要语法规则====svmtrainTrain support vector machine classifierSyntaxSVMStruct = svmtrain(Training, Group)SVMStruct = svmtrain(..., Kernel_Function, Kernel_FunctionValue, ...)SVMStruct = svmtrain(..., RBF_Sigma, RBFSigmaValue, ...)SVMStruct = svmtrain(..., Polyorder, PolyorderValue, ...)SVMStruct = svmtrain(..., Mlp_Params, Mlp_ParamsValue, ...)SVMStruct = svmtrain(..., Method, MethodValue, ...)SVMStruct = svmtrain(..., QuadProg_Opts, QuadProg_OptsValue, ...)SVMStruct = svmtrain(..., SMO_Opts, SMO_OptsValue, ...)SVMStruct = svmtrain(..., BoxConstraint, BoxConstraintValue, ...)SVMStruct = svmtrain(..., Autoscale, AutoscaleValue, ...)SVMStruct = svmtrain(..., Showplot, ShowplotValue, ...)---------------------svmclassifyClassify data using support vector machineSyntaxGroup = svmclassify(SVMStruct, Sample)Group = svmclassify(SVMStruct, Sample, Showplot, ShowplotValue)============================实例研究====================load fisheriris%载入matlab自带的数据[有关数据的信息可以自己到UCI查找,这是UCI的经典数据之一],得到的数据如下图:tu1
其中meas是150*4的矩阵代表着有150个样本每个样本有4个属性描述,species代表着这150个样本的分类.data = [meas(:,1), meas(:,2)];%在这里只取meas的第一列和第二列,即只选取前两个属性.groups = ismember(species,setosa);%由于species分类中是有三个分类:setosa,versicolor,virginica,为了使问题简单,我们将其变为二分类问题:Setosa and non-Setosa.[train, test] = crossvalind(holdOut,groups);cp = classperf(groups);%随机选择训练集合测试集[有关crossvalind的使用请自己help一下]其中cp作用是后来用来评价分类器的.svmStruct = svmtrain(data(train,:),groups(train),showplot,true);%使用svmtrain进行训练,得到训练后的结构svmStruct,在预测时使用.训练结果如图:tu2
classes = svmclassify(svmStruct,data(test,:),showplot,true);%对于未知的测试集进行分类预测,结果如图:tu3
classperf(cp,classes,test);cp.CorrectRateans =? ? 0.9867%分类器效果测评,就是看测试集分类的准确率的高低.二.台湾林智仁的libsvm工具箱该工具箱下载[libsvm-mat-2.86-1]: HYPERLINK /attachment.php?aid=24867k=c05691426227073bc1909cb597eceacdt=1263976450 \t _blank libsvm-mat-2.86-1.rar (73
您可能关注的文档
- (机电系)CA6140床头箱I轴加工工艺及花键夹具刀具毕业_设计.doc
- (建筑)施工图设计文件编制_深度.doc
- (企业服务)微博账号申请清变更定手机信息免责声_明函.docx
- (人教新课标)小学六年级语文上册课外阅读练习题(_二).doc
- (最全)浙江省各市2009年中考语文试卷分类精编--古诗鉴赏_专题.doc
- @房地产报告精选万科:住宅与商业定价模型解析2014年p_20.doc
- [湖南]钢桁架结构站房工程施工组织设计(750页,图表全面平面布置图、进度计_划).doc
- 【2015考研英语词汇】易混词汇辨析_汇总.doc
- 【华为】C++面试题、笔试题及答案(经_典).doc
- 【人教新课标】_小学语文阅读与写作高效训练(四年级)[_1].doc
文档评论(0)