MATLAB中libsvm的svmtrain和svmpredict函数的使用方法与参数设置

1. svmtrain()使用方法

示例：

cmd = [' -t 2',' -s 3 -p 0.01'];
model = svmtrain(train_label,train_data,cmd)

（1）.svmtrain函数输入参数设置

• train_label：为训练集中的标签数据 y
• train_data：为训练集中的输入数据 x
• cmd：为svmtrain函数的重要参数设置，详细情况如下：
  ’-s’         svm类型：SVM设置类型(默认0)
         0 – C-SVC
         1 – v-SVC
         2 – 一类SVM
         3 – e -SVR
         4 – v-SVR。
  ’-t’         核函数类型：核函数设置类型（默认2），
                0 – 线性核函数：u’v
  　　　　1 – 多项式核函数：（ru’v + coef0)^degree
  　　　　2 – RBF(径向基)核函数：exp(-r|u-v|^2）
  　　　　3 – sigmoid核函数：tanh(ru’v + coef0)。
  ’-d’         degree：核函数中的degree设置（针对多项式核函数）（默认3）。
  ’-g’         r(gamma）：核函数中的gamma函数设置（针对多项式/rbf/sigmoid核函数）（默认1/k，k为总类别数)。
  ’-r’         coef0：核函数中的coef0设置（针对多项式/sigmoid核函数）（（默认0)。
  ’-c’         cost：设置C-SVC，e -SVR和v-SVR的参数（损失函数）（默认1）。
  ’-n’         nu：设置v-SVC，一类SVM和v- SVR的参数（默认0.5）。
  ’-p’         p：设置e -SVR 中损失函数p的值（默认0.1）。
  ’-m’         cachesize：设置cache内存大小，以MB为单位（默认40）。
  ’-e’         eps：设置允许的终止判据（默认0.001）。
  ’-h’         shrinking：是否使用启发式，0或1（默认1）。
  ’-wi’         weight：设置第几类的参数C为weight*C (C-SVC中的C) （默认1）。
  ’-v’         n: n-fold交互检验模式，n为fold的个数，必须大于等于2。

（2）.svmtrain函数返回值

• model：为训练得到的模型，通常是一个结构体，包括参数，支持向量个数等等：
  
  注意： 在交叉验证选择最优超参数的过程中，也会用到trainsvm（），其中cmd参数设置中有 ‘-v’ ，返回值则不是模型结构体。如果是分类问题，则返回的是交叉验证下的分类准确率；如果是回归问题，则返回的是交叉验证下的均方误差。（分类问题还是回归问题取决于cmd参数设置中的 ‘-s’）

2. svmpredict()使用方法

示例：

[yPred,accuracy,decisionValues] = svmpredict(test_label,test_data,model); 

（1）.svmpredict函数输入参数设置

• test_label：为测试集中的标签数据 y
• test_data：为测试集中的输入数据 x
• model：为svmtrain函数训练得到的modeol

（2）.svmpredict函数返回值

• yPred：为预测得到的标签数据 y
• accuracy/mse：返回[a,b,c]三个列向量，a用于分类问题，表示分类准确率，b和c用于回归问题，b表示均方误差mse，c表示平方相关系数
• decisionValues：不常用，可用~代替接受参数