1. 简介
2. 使用说明
模型建立
model = svmtrain(training_label_vector, training_instance_matrix [, ‘libsvm_options’]);
其中: 训练标签:m1 double类
特征矩阵:mn double类
选择项:选择模型参数,目前没有搞懂
数据验证与预测
验证
[predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(testing_label_vector, testing_instance_matrix, model [, ‘libsvm_options’]);
预测
[predicted_label] = svmpredict(testing_label_vector, testing_instance_matrix, model [, ‘libsvm_options’]);
说明:标签和特征阵与模型建立格式要求一样,若标签未知,可以设置随机值代替 m*1 double
模型参数选择
组成:[Parameters, nr_class,totalSV, rho, Label, ProbA, ProbB, nSV, sv_coef, SVs]
nr_class:标签种类
rho:用来划分的函数
Label:每种类别对应的标签
3. 预测结果输出
有三个:predict_label、accuracy、decision_value/prob_estimates
前两个好理解,第三个是包含决策值和估计概率的矩阵
4. 其他用途
[label_vector, instance_matrix] = libsvmread(‘data.txt’);
没懂,是根据数据进行自动的特征矩阵提取和标签划分嘛?
or:将matlab中的矩阵转化成libsvm的格式?
libsvmwrite(‘data.txt’, label_vector, instance_matrix)
ps:下面有实例可以看一看