《支持向量机数据分类预测》由会员分享，可在线阅读，更多相关《支持向量机数据分类预测（3页珍藏版）》请在金锄头文库上搜索。
1、支持向量机数据分类预测一、题目意大利葡萄酒种类识别 Wine 数据来源为 UCI 数据库，记录同一区域三种品种葡萄酒的化学成分， 数据有 178 个样本，每个样本含有 13 个特征分量。 50%做为训练集， 50%做为测 试集。 二、模型建立 模型的建立首先需要从原始数据里把训练集和测试集提取出来，然后进行一 定的预处理，必要时进行特征提取，之后用训练集对SVM 进行训练，再用得到 的模型来预测试集的分类。 三、Matlab 实现 3.1 选定训练集和测试集 在 178 个样本集中，将每个类分成两组，重新组合数据，一部分作为训练集， 一部分作为测试集。% 载入测试数据 wine,其中包含的数据
2、为classnumber = 3,wine:178*13 的矩 阵,wine_labes:178*1 的列向量 load chapter12_wine.mat; % 选定训练集和测试集% 将第一类的 1-30,第二类的 60-95,第三类的 131-153 做为训练集 train_wine = wine(1:30,:);wine(60:95,:);wine(131:153,:); % 相应的训练集的标签也要分离出来 train_wine_labels = wine_labels(1:30);wine_labels(60:95);wine_labels(131:153); % 将第一类的 31-
3、59,第二类的 96-130,第三类的 154-178做为测试集 test_wine = wine(31:59,:);wine(96:130,:);wine(154:178,:); % 相应的测试集的标签也要分离出来 test_wine_labels = wine_labels(31:59);wine_labels(96:130);wine_labels(154:178); 3.2 数据预处理 对数据进行归一化： % 数据预处理 % 数据预处理 ,将训练集和测试集归一化到0,1区间mtrain,ntrain = size(train_wine); mtest,ntest = size(test
4、_wine); dataset = train_wine;test_wine; % mapminmax为 MATLAB自带的归一化函数 dataset_scale,ps = mapminmax(dataset,0,1); dataset_scale = dataset_scale; train_wine = dataset_scale(1:mtrain,:); test_wine = dataset_scale( (mtrain+1):(mtrain+mtest),: ); 3.3 训练与预测 用训练集对 SVM 分类器进行训练，用得到的模型对测试集进行标签预测， 其中 SVM的实现采用的是l
5、ibsvm工具箱。 % SVM网络训练 model = svmtrain(train_wine_labels, train_wine, -c 2 -g 1); % SVM网络预测 predict_label, accuracy = svmpredict(test_wine_labels, test_wine, model); 四、分类结果 % 结果分析% 测试集的实际分类和预测分类图 % 通过图可以看出只有一个测试样本是被错分的 figure; hold on; plot(test_wine_labels,o); plot(predict_label,r*); xlabel(测试集样本 ,FontSize,12); ylabel(类别标签 ,FontSize,12); legend(实际测试集分类 ,预测测试集分类 ); title(测试集的实际分类和预测分类图,FontSize,12); grid on; 运行结果： Accuracy = 98.8764% (88/89) (classification) 图 1 测试集的分类结果图
