《(Matlab)SVM工具箱快速入手简易教程》由会员分享，可在线阅读，更多相关《(Matlab)SVM工具箱快速入手简易教程（8页珍藏版）》请在金锄头文库上搜索。
1、SVM工具箱迅速入手简易教程(by faruo)一.matlb自带的函数(mtab协助文献里的例子）只有较新版本的matlab中有这两个VM的函数=svmtran svmlassify=简要语法规则=svmtainTinsuprvectomahine lsieytaxVMtrut = svtrin(raning， Gro)SMStrc = st（.,Krnl_Function，enel_Fuctinal, .）SVMSrut = smtrin（., RFima,RFSigaVlue，.)SVStu=svmtrain(., Plyordr， PolyodrValue, .）SMtuct =svm
2、ain(., Mlp_Pra， MlpParamValu, .)SVMSuct =svmtri（., eto，MetdVlu, .)SMSuct= svmtrain(., QuadPro_Opt, QuadPg_ptsVle， .)SVMSruct= vmtrai(.，SMO_pts， S_Opsale, .)SVMruct= vmtra(., oonstrn, oxontrantVau,.)SMSrt =svmra(., uoscale, AuoleVal, .)MSruct = svtain(.， oplo,Showploalue，.)-svmclassifyClasifydataug s
3、upport vetor mahineSynaGoup svmcassify(SVMStuct,Sple)Grp = svmclssify(SVStuc， Sampl, owplo, SpoVale)=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I查找,这是UCI的典型数据之一,得到的数据如下图：tu11.jpg (7.94 KB)-5-2 1:50其中meas是10*4的矩阵代表着有10个样本每个样本有4个属性描述,secis代表着这150个样本的分类.data = eas(:，)， mes(:,2);%在这里只取me的第一列和第二列，即只选用前
4、两个属性gups = ismember(speies,osa）;%由于speces分类中是有三个分类:stos，ersicolor,virginia,为了使问题简朴,我们将其变为二分类问题:etoa and nStosatri,est = crossvalid（hldt,grops）;cp= clasper(goups);%随机选择训练集合测试集有关crosslind的使用请自己elp一下其中p作用是后来用来评价分类器的.svmStut = smtrain(dta(train,:),rups(tin),showpo,tu);%使用trin进行训练，得到训练后的构造vStruc,在预测时使用.训
5、练成果如图:tu22.g (6.86 KB)-5-12 9:50classes smclasif(smruct,dta(ts，:),shwplot,tru）;%对于未知的测试集进行分类预测,成果如图:tu3.jg（3734 B）-11：5cassperf(cp,lases,tes）；CorrectRatens = 0.987分类器效果测评,就是看测试集分类的精确率的高下.二.台湾林智仁的lisv工具箱该工具箱下载lism-mat2.861: ibsvm-at-2.861.rr (75KB) lbsvt2.8-.ra(75 K)下载次数: 373-5-2 0:0安装措施也很简朴,解压文献,把目前
6、工作目录调节到libsvm所在的文献夹下,再在set path里将libsvm所在的文献夹加到里面.然后在命令行里输入mex -seup%选择一下编译器mak这样就可以了建议人们使用lisvm工具箱，这个更好用某些.可以进行分类多类别，预测.=svmtrinsmprdic=简要语法:Usage=malabmoel = svmtrain(training_labelctor，raiin_itanceaix ,libsm_otos); -trnng_lbelvecto: An by 1 vcor oftraininlbes（tye must b double). -trainig_instan_m
7、atrix: An m y matrix o train itances ith n feures. It can be dense or parse （ty mus beoule). -isv_options： A rn oftaning ios i th sme orma a ha ofLIVMmatb rdictd_label,accray， csinvluesprobestites = smpredict（eting_label_ectr, tesing_instanmatrix, model , libs_otions）; testig_label_vecor: A m by 1 c
8、f predcion als.f laelsf ts daa ar nknon, simplyusean ranom values. (type ust beouble) -tst_nsneatr: Anmbn mtrix of m tesing instanes wh n faure It can be dense or spars. (ypemust e ble） mod: Theotputof vmtai. -libv_opions: Astring o tesin ptioin e sameformt as h o LIBM.eturnd Mdel cure=实例研究:load hea
9、rcale.mat%工具箱里自带的数据如图:tjpg （9.6 KB)5-12 0:8其中 heart_scal_t是样本，a_sclelal是样本标签mol =vmrai(hart_scale_lbl, hart_scalnt, -c 1- 0.);训练样本,具体参数的调节请看协助文献ric_abe, ccucy, dec_values= mpredit(heat_c_label, heat_scle_inst， model);%分类预测，这里把训练集当作测试集，验证效果如下: predict_labe, accuay,d_vlues = smpredict(ea_cale_label,hr
10、tscale_inst, odel）;% te he traiing daaAccy = 86.667% （24/270) (lasfiatin)=这回把SVM这点入门的东西都说完了,人们可以参照着上手了,有关SVM的原理我下面有个简易的PPT,是此前做项目时我做的当时我负责有关SVM这一块代码实现解说什么的,感爱好的你可以看看,都是上手较快的东西,想要进一步学习SV，你的学习记录学习理论什么的.挺多的呢.S.p （391 KB) SVMppt （3KB)下载次数: 291 20:8-有关M和lsm的非常好的资料,想要具体研究VM看这个-libsv_gue.pdf (19.5KB)lisvm_gui.pdf （14.53 B)下载次数:186-8-1914:8lisvlibrary.d（36.82 KB) isvmlbraydf (316.2 )下载次数: 78-914：58OtiizationupprtVetorMachisanMhine
