libsvm实现分类与回归（附参数详细说明、程序、数据集）

最新推荐文章于 2024-07-22 16:40:28 发布

纷繁中淡定

最新推荐文章于 2024-07-22 16:40:28 发布

阅读量4.5k

点赞数 10

分类专栏：支持向量机（svm）

本文链接：https://blog.csdn.net/qq_36170626/article/details/89608051

版权

本文介绍了libsvm库中train和predict函数的参数使用，并提供了svm回归的MATLAB示例。此外，还分享了0-9数字图片识别的分类案例，基于MNIST数据集。同时，给出了libsvm 3.23的安装配置指南链接以及软件和数据集的下载链接。

摘要由CSDN通过智能技术生成

libsvmtrain以及libsvmpredict的相关参数说明

(1)model= svmtrain(train_label, train_matrix, ['libsvm_options']);
% train_label表示训练集的标签。
% train_matrix表示训练集的属性矩阵。
% libsvm_options是需要设置的一系列参数。
% model:是训练得到的模型，是一个结构体（如果参数中用到-v，得到的就不是结构体，对于分类问题，得到的是交叉检验下的平均分类准确率；对于回归问题，得到的是均方误差）。
(2)[predicted_label, accuracy/mse,decision_values/prob_estimates]=svmpredict(test_label, test_matrix, model, ['libsvm_options']);
% test _label表示测试集的标签（可以没有）。
% test _matrix表示测试集的属性矩阵。
% model   是上面训练得到的模型。
% libsvm_options是需要设置的一系列参数。
% predicted_label表示预测得到的标签。
% accuracy/mse是一个3*1的列向量，其中第1个数字用于分类问题，表示分类准确率；后两个数字用于回归问题，第2个数字表示mse；第三个数字表示平方相关系数。
% decision_values/prob_estimates：第三个返回值，一个矩阵包含决策的值或者概率估计。
% 对于n个预测样本、k类的问题，如果指定“-b 1”参数，则n x k的矩阵，每一行表示这个样本分别属于每一个类别的概率；如果没有指定“-b 1”参数，则为n x k*(k-1)/2的矩阵，每一行表示k(k-1)/2个二分类SVM的预测结果。

%训练参数的选择
% -s svm_type : set type of SVM (default 0)
% 0-- C-SVC(multi-class classification)%多分类问题
% 1-- nu-SVC(multi-class classification)%多分类问题
% 2-- one-class SVM
% 3-- epsilon-SVR(regression)%回归问题
% 4-- nu-SVR(regression)%回归问题
% %前3类为分类问题，后2类为回归问题
% -t kernel_type : set typ