MatlabSVM工具箱快速入手简易教程.doc
- 文档编号:2111716
- 上传时间:2023-05-02
- 格式:DOC
- 页数:9
- 大小:141.50KB
MatlabSVM工具箱快速入手简易教程.doc
《MatlabSVM工具箱快速入手简易教程.doc》由会员分享,可在线阅读,更多相关《MatlabSVM工具箱快速入手简易教程.doc(9页珍藏版)》请在冰点文库上搜索。
SVM工具箱快速入手简易教程(byfaruto)
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]
=====
svmtrainsvmclassify
=====简要语法规则====
svmtrain
Trainsupportvectormachineclassifier
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
Classifydatausingsupportvectormachine
Syntax
Group=svmclassify(SVMStruct,Sample)
Group=svmclassify(SVMStruct,Sample,'Showplot',ShowplotValue)
============================实例研究====================
loadfisheriris
%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
1.jpg(7.94KB)
2009-5-1219:
50
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:
Setosaandnon-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
2.jpg(26.86KB)
2009-5-1219:
50
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
3.jpg(37.34KB)
2009-5-1219:
50
classperf(cp,classes,test);
cp.CorrectRate
ans=
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]:
libsvm-mat-2.86-1.rar(73.75KB)
libsvm-mat-2.86-1.rar(73.75KB)
下载次数:
373
2009-5-1220:
02
安装方法也很简单,解压文件,把当前工作目录调整到libsvm所在的文件夹下,再在setpath里将libsvm所在的文件夹加到里面.然后
在命令行里输入
mex-setup %选择一下编译器
make
这样就可以了.
建议大家使用libsvm工具箱,这个更好用一些.可以进行分类[多类别],预测....
=========
svmtrain
svmpredict
================
简要语法:
Usage
=====
matlab>model=svmtrain(training_label_vector,training_instance_matrix[,'libsvm_options']);
-training_label_vector:
Anmby1vectoroftraininglabels(typemustbedouble).
-training_instance_matrix:
Anmbynmatrixofmtraininginstanceswithnfeatures.
Itcanbedenseorsparse(typemustbedouble).
-libsvm_options:
AstringoftrainingoptionsinthesameformatasthatofLIBSVM.
matlab>[predicted_label,accuracy,decision_values/prob_estimates]=svmpredict(testing_label_vector,testing_instance_matrix,model[,'libsvm_options']);
-testing_label_vector:
Anmby1vectorofpredictionlabels.Iflabelsoftest
dataareunknown,simplyuseanyrandomvalues.(typemustbedouble)
-testing_instance_matrix:
Anmbynmatrixofmtestinginstanceswithnfeatures.
Itcanbedenseorsparse.(typemustbedouble)
-model:
Theoutputofsvmtrain.
-libsvm_options:
AstringoftestingoptionsinthesameformatasthatofLIBSVM.
ReturnedModelStructure
========================
实例研究:
loadheart_scale.mat
%工具箱里自带的数据
如图:
tu4
4.jpg(9.36KB)
2009-5-1220:
08
其中heart_scale_inst是样本,heart_scale_label是样本标签
model=svmtrain(heart_scale_label,heart_scale_inst,'-c1-g0.07');
%训练样本,具体参数的调整请看帮助文件
[predict_label,accuracy,dec_values]=svmpredict(heart_scale_label,heart_scale_inst,model);
%分类预测,这里把训练集当作测试集,验证效果如下:
>>[predict_label,accuracy,dec_values]=svmpredict(heart_scale_label,heart_scale_inst,model);%testthetrainingdata
Accuracy=86.6667%(234/270)(classification)
==============
这回把SVM这点入门的东西都说完了,大家可以参照着上手了,有关SVM的原理我下面有个简易的PPT,是以前做项目时我做的[当时我负责有关SVM这一块代码实现讲解什么的],感兴趣的你可以看看,都是上手较快的东西,想要深入学习SVM,你的学习统计学习理论什么的....挺多的呢..
SVM.ppt(391KB)
SVM.ppt(391KB)
下载次数:
429
2009-5-1220:
18
-----------有关SVM和libsvm的非常好的资料,想要详细研究SVM看这个------
libsvm_guide.pdf(194.53KB)
libsvm_guide.pdf(194.53KB)
下载次数:
186
2009-8-1914:
58
libsvm_library.pdf(316.82KB)
libsvm_library.pdf(316.82KB)
下载次数:
137
2009-8-1914:
58
OptimizationSupportVectorMachinesandMachine
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- MatlabSVM 工具箱 快速 入手 简易 教程