matlab中的SVM

最新推荐文章于 2024-11-21 16:51:57 发布

Angelahhj

最新推荐文章于 2024-11-21 16:51:57 发布

阅读量3.5k

点赞数

分类专栏： matlab 文章标签： SVM matlab

本文链接：https://blog.csdn.net/Angelahhj/article/details/41849717

版权

本文介绍了如何在Matlab中使用SVM，包括`svmtrain`和`svmclassify`函数的用法，并探讨了SVM特征向量的归一化处理，讨论了归一化对模型效果的影响。同时，详细阐述了Matlab中数据归一化的几种方法，如线性转换、对数转换、反余切转换以及`premnmx`、`tramnmx`、`postmnmx`、`mapminmax`等函数的应用。此外，还提及了交叉验证方法，如Hold-Out、K折交叉验证和留一交叉验证的原理及其优缺点。

摘要由CSDN通过智能技术生成

Matlab SVM

最近项目要用到SVM，时间紧，所以就直接用Matlab提供的库函数。另外，这个最负盛名的libsvm，台湾林智仁教授开发的开源包，http://www.csie.ntu.edu.tw/~cjlin/libsvm/业界很有名的一个包，有各种各样的接口，现在最新更新到python。

Matlab中SVM的函数主要有两个：

%svmtrain:

svmStruct= svmtrain(training,goups) %读入训练样本和标号，得到一个结构体类型的svmStruct

svmStruct=svmtrain(data(train,:),groups(train),’Kernel_Function’,'rbf’,'Kernel_FunctionValue’,’5′,’showplot’,true); %用了核宽为5的径向基核，且有可视化的输出

%svmclassify

classes = svmclassify(svmStruct,data(test,:),’showplot’,true); %测试样本分类

SVM特征向量归一化，归一化可以规避不同变量之间的量纲差异。

%dataset归一化保存到dataset_scale

ymin =min(min(dataset));

ymax =max(max(dataset));

dataset_scale= mapminmax(dataset, ymin, ymax);%归一化到ymin和ymax之间

dataset_scale= mapminmax(dataset,0,1); %归一化到0和1之间

但是，实验之后，归一化的效果还不如不归一化。

Matlab数据的归一化

归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，且sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。归一化是统一在0-1之间的统计概率分布，当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小，从而导致学习速度很慢。另外在数据中常存在奇异样本数据，奇异样本数据存在所引起的网络训练时间增加，并可能引起网络无法收敛。为了避免出现这种情况及后面数据处理的方便，加快网络学习速度，可以对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或与其均方差相比很小。