svm支持向量机

svm模型的建立分为下面几个步骤：

选定训练集——数据预处理（归一化）——训练——考察分类准确率——预测（测试集）

有一个关键性步骤是选择相关参数（主要是惩罚参数ｃ和核函数参数ｇ）

Ｋ－ＣＶ方法找最佳参数：原始数据均分为Ｋ组，每个子集做验证集，其余Ｋ－１组作为训练集，得到Ｋ个模型。用Ｋ个模型最终验证集的分类准确率平均数作为此Ｋ－ＣＶ分类器的性能指标。

［ｂｅｓｔａｃｃ，ｂｅｓｔｃ，ｂｅｓｔｇ］＝ＳＶＭｃｇＦｏｒＣｌａｓｓ（ｔｒａｉｎ＿ｌａｂｅｌ，ｔｒａｉｎ，ｃｍｉｎ，ｃｍａｘ，ｇｍｉｎ，ｇｍａｘ，ｖ，ｃｓｔｅｐ，ｇｓｔｅｐ，ａｃｃｓｔｅｐ）

通过上面的函数确定最佳ｃ与最佳ｇ后，进行ＳＶＭ网络训练

ｃｍｄ＝［＇－ｃ＇，ｎｕｍ２ｓｔｒ（ｂｅｓｔｃ），＇－ｇ＇，ｎｕｍ２ｓｔｒ（ｂｅｓｔｇ）］；
ｍｏｄｅｌ＝ｓｖｍｔｒａｉｎ（ｔｒａｉｎ＿ｗｉｎｅ＿ｌａｂｅｌｓ，ｔｒａｉｎ＿ｗｉｎｅ，ｃｍｄ）；
［ｐｒｅｄｉｃｔ＿ｌａｂｅｌ，ａｃｃｕｒａｃｙ］＝ｓｖｍｐｒｅｄｉｃｔ（ｔｅｓｔ＿ｗｉｎｅ＿ｌａｂｅｌｓ，ｔｅｓｔ＿ｗｉｎｅ，ｍｏｄｅｌ）；