二, 使用libsvm进行分类
首先给出实例地址 方便下载 https://github.com/wangjiwu/BreastTissue_classify_matlab
这里给出了101个数据, 每一个数据都有9个特征和一个分类标签
用这些数据来生成测试集和训练集, 得到模型并且测试,分类
代码流程
I. 清空环境变量
clear all
clc
II. 导入数据
load BreastTissue_data.mat
- 随机产生训练集和测试集
n = randperm(size(matrix,1));
- 训练集——80个样本
train_matrix = matrix(n(1:80),:);
train_label = label(n(1:80),:);
- 测试集——26个样本
test_matrix = matrix(n(81:end),:);
test_label = label(n(81:end),:);
III. 数据归一化
%% III. 数据归一化
[Train_matrix,PS] = mapminmax(train_matrix');
Train_matrix = Train_matrix';
Test_matrix = mapminmax('apply',test_matrix',PS);
Test_matrix = Test_matrix';
IV. SVM创建/训练(RBF核函数)
这里使用的是交叉验证的方法 选出等距的多种c和g训练找到最合适的c和g,如果训练时间较长可以直接输入参数,跳过这一步
cmd = ' -t 2 -c 42.2243 -g 2.639'
若参数不知道具体的代表意思可参考此博客
https://blog.csdn.net/mrfortitude/article/details/59558037
[c,g] = meshgrid(-10:0.2:10,-10:0.2:10);
[m,n] = size(c);
cg = zeros(m,n);
eps = 10^(-4);
v = 5;
bestc = 1;
bestg = 0.1;
bestacc = 0;
for i = 1:m
for j = 1:n
cmd = ['-v ',num2str(v),' -t 2',' -c ',num2str(2^c(i,j)),' -g ',num2str(2^g(i,j))];
cg(i,j) = svmtrain(train_label,Train_matrix,cmd);
if cg(i,j) > bestacc
bestacc = cg(i,j);
bestc = 2^c(i,j);
bestg = 2^g(i,j);
end
if abs( cg(i,j)-bestacc )<=eps && bestc > 2^c(i,j)
bestacc = cg(i,j);
bestc = 2^c(i,j);
bestg = 2^g(i,j);
end
end
end
cmd = [' -t 2',' -c ',num2str(bestc),' -g ',num2str(bestg)];
创建/训练SVM模型
model = svmtrain(train_label,Train_matrix,cmd);
V. SVM仿真测试
注意一定要 传入3个参数而不是两个, 且 测试lable 是m1的矩阵, 测试矩阵是mn的矩阵 m为样本个数, n为特征个数
[predict_label_1,accuracy_1,prob_estimates] = svmpredict(train_label,Train_matrix,model);
[predict_label_2,accuracy_2,prob_estimates2] = svmpredict(test_label,Test_matrix,model);
result_1 = [train_label predict_label_1];
result_2 = [test_label predict_label_2];
结果如下
VI. 绘图
figure
plot(1:length(test_label),test_label,'r-*')
hold on
plot(1:length(test_label),predict_label_2,'b:o')
grid on
legend('真实类别','预测类别')
xlabel('测试集样本编号')
ylabel('测试集样本类别')
string = {'测试集SVM预测结果对比(RBF核函数)';
['accuracy = ' num2str(accuracy_2(1)) '%']};
title(string)
注:
在安装libsvm工具包时,为了避免和自带的svm工具箱函数冲突,要将svmtrain.mexw64、svmpredict.mexw64这两个文件重命名为libsvmtrain.mexw64、libsvmpredict.mexw64。
所以需要将程序中的svmtrain函数替换为libsvmtrain,将程序中的svmpredict替换为libsvmpredict