matlab svm预测_【LIBSVM】支持向量机 (SVM) 的分类边界可视化

LIBSVM 是台湾大学林智仁 (Lin Chih-Jen) 教授等开发设计的一个简单、易于使用和快速有效的 SVM模式识别与回归的软件包 ^[1]

LIBSVM -- A Library for Support Vector Machines​www.csie.ntu.edu.tw

本文在libsvm软件包基础上，基于MATLAB实现支持向量机 (Support Vector Machines, SVM) 的分类边界可视化。

MATLAB和libsvm的版本分别为：

• MATLAB：R2020a (9.8)
• libsvm：v3.23

注：在文章提供的代码中，为了避免和旧版MATLAB的自带函数重名，已把 libsvm 软件包中的svmtrain和svmpredict函数的名字分别改为libsvmtrain和libsvmpredict。

SVM分类边界可视化步骤

1. 建立训练集的SVM模型
2. 利用网格法填充训练集区域
3. 利用训练好的SVM模型预测每个网格点的标签
4. 根据所有网格点的标签绘制散点图
5. 获取分类边界

示例

训练集

% 生成3类样本（二维高斯分布）
mu = [5 5];
sigma = [1 0; 0 1];
X_1 = mvnrnd(mu, sigma, 100);
label_1 = ones(100, 1);

mu = [3 9];
sigma = [1 0; 0 1];
X_2 = mvnrnd(mu, sigma, 100);
label_2 = 2*ones(100, 1);

mu = [-1 7];
sigma = [1 0; 0 1];
X_3 = mvnrnd(mu, sigma, 100);
label_3 = 3*ones(100, 1);

% 整理
data = [X_1; X_2; X_3];
label = [label_1; label_2; label_3];
% 可视化
color_p = [150, 138, 191;12, 112, 104; 220, 94, 75]/255;
figure
ax