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 Machineswww.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
- 建立训练集的SVM模型
- 利用网格法填充训练集区域
- 利用训练好的SVM模型预测每个网格点的标签
- 根据所有网格点的标签绘制散点图
- 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