本文介绍了如何使用Matlab进行SVM训练和分类，包括使用'svmtrain'创建分类器，设置核函数如径向基函数(RBF)，以及'svmclassify'进行预测。还提醒注意参数配对使用，并提供了示例代码。此外，提到了SVM and Kernel Methods Matlab Toolbox作为早期的SVM学习工具，包含多种算法和预处理方法，尤其适合初学者。
SVMStruct=svmtrain(Training,Group)%svmtrain
的输入为样本点
training
和样本的分类情况
group
，输出为一个分类器
svmstruct.
核函数，
核参数，
和计算方法等都是可选的，
如
SVMStruct = svmtrain(
…
,
‘
Kernel_Function
’
,
Kernel_FunctionValue,
…
)
但是切记切记一定要成对出现。
然后，将分类器和
testing sample
带入
svmclassify
中，可以得到分类结果和准确度。
举个例子
svmStruct=svmtrain(data(train,:),groups(train),
’
Kernel_Function
’
,'rbf
’
,'Kernel_FunctionValue
’
,
’
5
′
,
’
showplot
’
,true);
%
用了核宽为
5
的径向基核，且要求作图
%
这里我觉得原作者的写法有误，应该是
svmStruct = svmtrain(data(train,:),groups(train),...
'Kernel_Function','rbf','RBF_Sigma',5,'showplot',true);
classes = svmclassify(svmStruct,data(test,:),’showplot’,true);
%
要求输出检测样本点的分类结果，且画图表示。
tip 1:
有归一化
scale
功能，可以通过调参数实现
tip 2:
计算方法可选
qp,smo,ls
tip 3:
有个关于
soft margin
的盒子条件，我不太明白是干嘛的，谁懂得话，就给我讲讲哈
tip 4:
画出来的图很难看
to sum up:
挺好的
1.2
较早使用的工具箱
SVM and Kernel Methods Matlab Toolbox
2005
年法国人写的，最近的更新为
20/02/2008
下载的地址为
http://asi.insa-rouen.fr/enseignants/~arakotom/toolbox/index.html
这是我最早开始用的一个工具箱，我很喜欢，到现在还是，对于
svm
的初学者是个很好的
toolbox.
有详细的说明和很多的
demo
和例子，
包含现今几乎所有的有关
svm
的成熟算法和数据预处理方法(
pca
及小波等)
。
最最重要的是有回归！
！
！
且函数简单，容易改动延伸。
扫一扫
1151
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
