MatlabSVM工具箱快速入手简易教程Word文件下载.doc
《MatlabSVM工具箱快速入手简易教程Word文件下载.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Word文件下载.doc(9页珍藏版)》请在冰豆网上搜索。
,PolyorderValue,...)
Mlp_Params'
Mlp_ParamsValue,...)
Method'
MethodValue,...)
QuadProg_Opts'
QuadProg_OptsValue,...)
SMO_Opts'
SMO_OptsValue,...)
BoxConstraint'
BoxConstraintValue,...)
Autoscale'
AutoscaleValue,...)
Showplot'
ShowplotValue,...)
---------------------
svmclassify
Classifydatausingsupportvectormachine
Group=svmclassify(SVMStruct,Sample)
Group=svmclassify(SVMStruct,Sample,'
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)
classes=svmclassify(svmStruct,data(test,:
),'
%对于未知的测试集进行分类预测,结果如图:
tu3
3.jpg(37.34KB)
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....
=========
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.
[predicted_label,accuracy,decision_values/prob_estimates]=svmpredict(testing_label_vector,testing_instance_matrix,model[,'
-testing_label_vector:
Anmby1vectorofpredictionlabels.Iflabelsoftest
dataareunknown,simplyuseanyrandomvalues.(typemustbedouble)
-testing_instance_matrix:
Anmbynmatrixofmtestinginstanceswithnfeatures.
Itcanbedenseorsparse.(typemustbedouble)
-model:
Theoutputofsvmtrain.
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)
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)
429
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)
186
2009-8-1914:
58
libsvm_library.pdf(316.82KB)
libsvm_library.pdf(316.82KB)
137
OptimizationSupportVectorMachinesandMachine