- 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)。
查看更多
(Matlab)SVM工具箱快速入手简 易教程
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 ====
svmtrain
Train support vector machine classifier
Syntax
SVMStruct = 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, ...)
svmclassify
Classify data using support vector machine
Syntax
Group = svmclassify(SVMStruct, Sample)
Group = svmclassify(SVMStruct, Sample, 'Showplot', ShowplotValue)
==========================实==例研究 ==================== load fisheriris
贼入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
Ndme
Value
Min
H- 回 r
meas species
<150x4 doubles
<150x1
0.10
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.
[tra in, test] = crossvali nd('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 = svmtrai n(data(trai n,:),groups(trai n),'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);
% 寸于未知的测试集进行分类预测,结果如图:
tu3
Kern&l Function: linear kernel
+ 0 (training)十 0 (classif ed)1 (training)1
+ 0 (training)
十 0 (classif ed)
1 (training)
1 (classified) 。Support Vectors
+ +
+ +十 +
+ + +
4
文档评论(0)