MATLAB实现智能计算方法实验：实验六 支持向量机

资源链接

MATLAB实现智能计算方法课程所有实验代码资源链接为：MATLAB实现智能计算方法课程所有实验代码资源

实验汇总

MATLAB实现智能计算方法课程所有实验汇总博客链接为：MATLAB实现智能计算方法实验汇总

实验目的

1. 通过本次实验，进一步理解支持向量机的模型结构与计算原理；
2. 掌握手工计算过程和编码，并能够解决实际问题；
3. 掌握MATLAB或python中按照libsvm工具箱的过程，并学会关键函数的使用方法，解决分类实际问题。

实验内容

利用支持向量机，构造性别分类器：

1. 原始数据student.xls，部分数据放入报告中即可；

2. 以身高、体重为输入，性别为输出，设计支持向量机；

3. 手工编码或工具箱编码（python或MATLAB），实现对性别的分类计算，并用测试数据验证模型的正确性。

4. 用测试数据对性别进行预测。

   测试数据1:身高（162cm），体重（56kg），性别（女）。
   测试数据2:身高（172cm），体重（75kg），性别（男）。

实验步骤

1. 原始数据及处理

对依据身高体重进行性别分类的原始数据进行训练，其中部分原始数据如下表1。

表1 原始部分数据

编号	性别	身高	体重
1	男	174.2	91.9
2	女	156	57.6
3	女	151.7	59.9
4	男	181.5	107.2
5	男	169.1	55.6
……	……	……	……
259	女	165.9	58.1
260	男	168.7	67.8

对原始数据进行处理，其中“性别男”设置为1，“性别女”设置为-1，同时调整“性别”、“身高”、“体重”的位置，处理后的部分数据如下表2。

表2 处理后部分数据

编号	身高	体重	性别
1	174.2	91.9	1
2	156	57.6	-1
3	151.7	59.9	-1
4	181.5	107.2	1
5	169.1	55.6	1
……	……	……	……
259	165.9	58.1	-1
260	168.7	67.8	1

2. 设计向量机

根据原始数据，可知向量机的输入有两个，即身高和体重，输出有一个，即性别，核函数选择高斯核函数。

3. 手工编码

根据原始数据及向量机算法结构进行手工编码，实现支持向量的寻找与分类线的绘制，代码如下：

clc;
clear;
C = 10;
kertype = 'rbf';

%训练样本
X = xlsread('student.xlsx', 'B2: C261')';
Y = xlsread('student.xlsx', 'D2: D261')';
figure;
%x1存储男生身高,y1存储男生体重,x2存储女生身高,y2存储女生体重
[x1, x2, y1, y2] = deal([]);
[k1, k2] = deal(1);
[~, col] = size(Y);
for i = 1: col
    if Y(1, i) == 1
        x1(k1) = X(1, i);
        y1(k1) = X(2, i);
        k1 = k1 + 1;
    else
        x2(k2) = X(1, i);
        y2(k2) = X(2, i);
        k2 = k2 + 1;
    end
end
plot(x1(1, :), y1(1, :), 'bx', x2(1, :), y2(1, :), 'r*');
xlabel('身高');
ylabel('体重');
hold on;

%绘制支持向量
svm = svmTrain(X, Y, kertype, C);
plot(svm.Xsv(1, :), svm.Xsv(2, :), 'ko');

%绘制分类线
[x1, x2] = meshgrid(160: 0.05: 175, 49: 0.05: 80);  %x1和x2都是181*181的矩阵
[rows, cols] = size(x1);
nt = rows*cols;                  
Xt = [reshape(x1, 1, nt); reshape(x2, 1, nt)];
Yt = ones(1, nt);
result = svmTest(svm, Xt, Yt, kertype);
Yd = reshape(result.Y, rows, cols);
contour(x1, x2, Yd, 'm');
legend('男生', '女生', '支持向量', '分类线', 'Location', 'northwest');

运行程序，训练数据分类结果如下图1。

图1 训练数据分类结果

4. 测试数据测试

用测试数据对性别进行预测：
测试数据1:身高（162cm），体重（56kg），性别（女）。
测试数据2:身高（172cm），体重（75kg），性别（男）。
程序代码如下。

%测试数据
testx = [162 56; 172 75]';
testy = [-1; 1]';
test = svmTest(svm, testx, testy, kertype);
[~, col] = size(test.Y);
for i = 1: col
    if test.Y(:, i) == 1
        disp(['身高' num2str(testx(1, i)) '厘米，体重' num2str(testx(2, i)) '斤预测为男生']);
    else
        disp(['身高' num2str(testx(1, i)) '厘米，体重' num2str(testx(2, i)) '斤预测为女生']);
    end
end
disp(['预测正确率为' num2str(test.accuracy)]);

运行程序，测试数据测试结果如下图2。

图2 测试数据测试结果 由图2可知，预测结果与实际结果一致，正确率为1。