MATLAB-支持向量机-非线性-p213

最新推荐文章于 2020-12-03 10:16:19 发布

费马最后定理

最新推荐文章于 2020-12-03 10:16:19 发布

阅读量794

点赞数

本文链接：https://blog.csdn.net/qq_41093189/article/details/79199327

版权

本文介绍了在MATLAB中应用非线性内核解决支持向量机问题的情况。由于线性内核在处理某些数据时可能出现较高判错率，因此转向非线性内核以改善分类效果。实验数据来源于cancerdata.txt文件，经过预处理后转换为cancerdata2.txt。

摘要由CSDN通过智能技术生成

非线性内核

（首先使用线性内核发现判错率比较高）

%原始数据cancerdata.txt可在网上下载，数据中的B替换成1，M替换成-1，X替换成2，删除了分割符*,替换后的数据命名成cancerdata2.txt

clc,clear
a=load('cancerdata2.txt');
a(:,1)=[]; %删除第一列病例号
gind=find(a(:,1)==1); %读出良性肿瘤的序号
bind=find(a(:,1)==-1); %读出恶性肿瘤的序号
training0=a([1:500],[2:end]); %提出已知样本点的数据
training=training0';
[train,ps]=mapstd(training); %已分类数据标准化
group(gind)=1; group(bind)=-1; %已知样本点的类别标号
group=group'; %转换成列向量
xa0=a([501:569],[2:end]); %提出待分类数据
xa=xa0'; xa=mapstd('apply',xa,ps); %待分类数据标准化
s=svmtrain(training',group, 'Method','SMO', ' Kernel_Function','quadratic') %使用序列最小化方法训练支持向量机的分类器，如果使用二次规划的方法训练支持向量机则无法求解
sv_index=s.SupportVectorIn