【MATLAB 分类算法教程】_2粒子群算法优化支持向量机SVM分类 - 教程和对应MATLAB代码

本文以红酒数据集为例，结合编译的libsvm多分类工具函数，介绍粒子群算法优化支持向量机SVM分类的MATLAB代码编写，主要流程包括1. 读取数据 2.数据预处理 3.利用粒子群算法PSO求解最佳的SVM参数c和g 4.根据最佳的参数进行SVM模型训练 5.SVM模型预测 6.准确率分析以及分类结果对比作图。

1. 初始化代码

close all;
clear;
clc;
format compact;
addpath('libsvm-3.24')

2. 读取数据代码

data=xlsread('数据.xlsx','Sheet1','A1:N178');  %使用xlsread函数读取EXCEL中对应范围的数据即可

%输入输出数据
input=data(:,1:end-1);    %data的第一列-倒数第二列为特征指标
output_labels=data(:,end);  %data的最后面一列为标签类型

% 选定训练集和测试集

% 将第一类的1-30,第二类的60-95,第三类的131-153做为训练集
train_input = [input(1:30,:);input(60:95,:);input(131:153,:)];
% 相应的训练集的标签也要分离出来
train_output_labels = [output_labels(1:30);output_labels(60:95);output_labels(131:153)];
% 将第一类的31-59,第二类的96-130,第三类的154-178做为测试集
test_input = [input(31:59,:);input(96:130,:);input(154:178,:)];
% 相应的测试集的标签也要分离出来
test_output_l