Matlab下一个SVM例子

这是用matlab和cvx编写的很简单的svm程序,data.mat中两个变量,X是51个坐标点,y是51个1或-1,标记对应X中坐标点类别。
这里写图片描述

clear;
load('data.mat');
pos = find(y == 1); 
neg = find(y == -1);
plot(X(pos, 1), X(pos, 2), 'k+');
hold on;
plot(X(neg, 1), X(neg, 2), 'ko');
hold on; 

C = 1;m = size(X,1);
%%kernel
K=X*X';
%%
one = ones(m,1);
alpha = zeros(m,1);
cvx_begin;
    variables alpha(m);
    maximize(one'*alpha - 1/2*(alpha.*y)'*K*(alpha.*y) );
    subject to;
    0 <= alpha <= C;
    alpha'*y == 0;
cvx_end;

ind = find(alpha>=C*0.999999);
ind = ind(1);

%KKT conditions
b = y(ind) - alpha'*(y.*K(:,ind));
w = ((alpha.*y)'*X)';

x1 = linspace(min(X(:,1)), max(X(:,1)), 100);
%w(1)*x1+w(2)*x2+b=0
x2 = - (w(1)*x1 + b)/w(2);
plot(x1, x2, '-r'); 

ind = find(alpha>=C*0.999999 & alpha<=C & y == 1);
ind = ind(1);
b = -alpha'*(y.*K(:,ind));
x2 = - (w(1)*x1 + b)/w(2);
plot(x1, x2, '-b'); 

ind = 
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
好的,以下是一个简单的Matlab机器学习例子,使用支持向量机(SVM)进行分类: 1. 准备数据: ``` % 生成训练数据 rng(1); % 设置随机数种子 X1 = randn(50,2) + 1; % 类别1的数据 X2 = randn(50,2) - 1; % 类别2的数据 Y1 = ones(50,1); % 类别1的标签 Y2 = -ones(50,1); % 类别2的标签 X = [X1; X2]; % 合并数据 Y = [Y1; Y2]; % 合并标签 ``` 2. 分离训练集和测试集: ``` % 分离训练集和测试集 cv = cvpartition(length(Y),'HoldOut',0.2); % 随机抽取20%的样本作为测试集 idx_train = training(cv); idx_test = test(cv); X_train = X(idx_train,:); Y_train = Y(idx_train,:); X_test = X(idx_test,:); Y_test = Y(idx_test,:); ``` 3. 训练SVM模型: ``` % 训练SVM模型 svm = fitcsvm(X_train,Y_train,'KernelFunction','rbf','BoxConstraint',1); ``` 4. 测试模型: ``` % 测试模型 Y_pred = predict(svm,X_test); accuracy = sum(Y_pred == Y_test)/length(Y_test); disp(['Test Accuracy: ' num2str(accuracy)]); ``` 5. 可视化分类结果: ``` % 可视化分类结果 figure; gscatter(X(:,1),X(:,2),Y); hold on; xmin = min(X(:,1)); xmax = max(X(:,1)); ymin = min(X(:,2)); ymax = max(X(:,2)); [x,y] = meshgrid(linspace(xmin,xmax,100),linspace(ymin,ymax,100)); Xgrid = [x(:) y(:)]; [~,score] = predict(svm,Xgrid); contour(x,y,reshape(score(:,2),size(x)),[0 0],'k'); title(['SVM Classification (Test Accuracy: ' num2str(accuracy) ')']); ``` 以上是一个简单的Matlab机器学习例子,使用SVM进行二分类。可以通过修改数据和参数来尝试不同的机器学习算法和应用场景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值