libsvm多分类python_LIBSVM (三) 葡萄酒种类识别

这篇博客详细介绍了利用libsvm对葡萄酒数据集进行多分类的过程,包括数据的预处理(归一化)、模型训练与预测。通过比较不同归一化方式和核函数对分类准确率的影响,发现[0,1]归一化和特定核函数可以达到98.87%的准确率。" 133170604,20036702,使用WebRTC搭建百人视频会议平台,"['WebRTC', '音视频', '视频会议', 'WebSocket', '前端开发']
摘要由CSDN通过智能技术生成

3.1 原始数据分析

1)测试数据为:wine data set,储存在chapter_WineClass.mat。classnumer = 3;wine,记录了178个样本的13个属性;wine_labels.178×1,记录了178个样本的各自类别标签。

2)数据的可视化:13个指标的属性值即数据的箱式图;数据的分维可视化图。

% 画出测试数据的分维可视化图

figure

subplot(3,5,1);

hold on

for run = 1:178

plot(run,wine_labels(run),'*');

end

xlabel('样本','FontSize',10);

ylabel('类别标签','FontSize',10);

title('class','FontSize',10);

for run = 2:14

subplot(3,5,run);

hold on;

str = ['attrib ',num2str(run-1)];

for i = 1:178

plot(i,wine(i,run-1),'*');

end

xlabel('样本','FontSize',10);

ylabel('属性值','FontSize',10);

title(str,'FontSize',10);

end

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值