【SVM分类】基于最小二乘支持向量机实现数据分类附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

支持向量机(英文简称SVM)可以很好地应用在数据分类及预测上,由于SVM在数据挖掘中具有通用性好,有效性,计算简单,理论完善等优点,所以得到了广泛的应用,文章利用matlab软件,基于SVM实现了对意大利葡萄酒的分类和预测.

⛄ 部分代码

clc

close all

addpath(genpath(pwd))

load banana

% 

label = data(:,3);

data = data (:, 1:2);

% parameter setting

c = 0.8;  

g = 0.05; 

% train svm model

cmd = ['-s 0 -t 2 ', '-c ', num2str(c), ' -g ', num2str(g), ' -q'];

model = libsvmtrain(label, data, cmd);

[~, acc, ~] = libsvmpredict(label, data, model); 

% meshgrid

d = 0.02;

[X1, X2] = meshgrid(min(data(:,1)):d:max(data(:,1)), min(data(:,2)):d:max(data(:,2)));

X_grid = [X1(:), X2(:)];

% set grid point label (only as input parameter)

grid_label = ones(size(X_grid, 1), 1);

% predict grid point labels

[pre_label, ~, ~] = libsvmpredict(grid_label, X_grid, model);

% 

figure

% set(gcf,'position',[300 150 420 360])

color_p = [150, 138, 191; 220, 94, 75]/255; 

color_b = [218, 216, 232; 244, 195, 171]/255; 

hold on

gscatter(X_grid (:,1), X_grid (:,2), pre_label, color_b);

legend('off')

axis tight

% 

ax(3:4) = gscatter(data(:,1), data(:,2), label);

set(ax(3), 'Marker','o', 'MarkerSize', 6, 'MarkerEdgeColor','k', 'MarkerFaceColor', color_p(1,:));

set(ax(4), 'Marker','o', 'MarkerSize', 6, 'MarkerEdgeColor','k', 'MarkerFaceColor', color_p(2,:));

legend('off')

set(gca, 'linewidth', 1.1)

title('Decision boundary')

axis tight

⛄ 运行结果

⛄ 参考文献

[1]付略, 周少华, 彭勃,等. 基于最小二乘支持向量机算法的南宋官窑出土瓷片分类[J]. 硅酸盐学报, 2008, 36(008):1183-1186.

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料