qq_55433305的博客

wine数据的来源是UCI数据库，记录的是在意大利同一区域上三种不同品种的葡萄酒的化学成分分析，数据里含有178个样本，每个样本含有13个特征分量（化学成分），每个样本的类别标签已给。将这178个样本的50%作为训练集，另50%作为测试集，用训练集对SVM进行训练可以得到分类模型，再用得到的模型对测试集进行类别标签预测。

我们每次用matlab编写SVM模型做预测和分类时，就会需要用到这个工具包，当然现在新版本有matlab自带的工具APP，可以完成支持向量机(SVM），不需要写代码，因此就不需要安装工具包。LIBSVM是一个由台湾大学林智仁(Lin Chih-Jen)教授等开发的SVM模式识别与回归的软件包，使用简单，功能强大，本文主要介绍其在Matlab中的使用。介绍-安装-使用-返回的模型结构-其他实用程序-示例

针对采集得到的60组汽油样品,利用傅里吐近红外变换光谱仪对其进行扫描,扫描范围900~1700nm,扫描间隔2nm，每个样品的光谱曲线共含401个波长点孑样品的近红外光谱曲线如图25-3所示。同时，利用传统实验室检测方法测定其辛烷值含量。现要求利用BP及RBF神经网络分别建立汽油样品近红外光谱及其辛烷值间的数学模型，并对模型的性能进行评价。

曲线拟合**（curve fitting）是指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变量间的关系。用BP神经网络拟合给出的点的曲线，10个点分别为（0，3）、（1，1）、（2，2）、（3，4）、（4，6）、（5，5）、（6，2）、（7，1）、（8，6）、（9，8）、（10，9）