matlab 中机器学习工具箱中分类器下介绍SVM新函数一个例子

这篇博客通过MATLAB的机器学习工具箱中的fitcsvm函数,展示了如何使用SVM进行分类。作者加载了经典数据集Fisher's iris,去除sepal长度和宽度以及所有setosa类别,然后使用剩下的数据训练SVM模型。通过fitcsvm创建的SVMModel显示为训练好的分类器,进一步探讨了如何查看和理解分类器的属性,如ClassNames和Alpha参数。
摘要由CSDN通过智能技术生成

matlab 中机器学习工具箱中分类器下有SVM工具,其中介绍SVM新函数时有这样一个例子:LoadFisher's iris data set. Remove the sepal lengths and widths, and all observedsetosa irises.

程序:

load fisheriris %我看了一下,fisheriris是matlab系统自带的fisheriris.csv文件,里面有5列数据,151行,第1行是项目名称:SepalLength,SepalWidth,PetalLength,PetalWidth,Species,第2行以后是5.1,3.5,1.4,0.2,setosa;。。。。等等这样的数据。

load的意思是读入fisheriris这个文件到系统里。运行之后matlab工作区生成2个文件。

Meas就是前四列全部数据的矩阵,不含名称这行;species就是最后一列即第五列数据。

 

strcmp(species,'setosa');就是把species过滤一下,把species中的每个元素和s做比较,如果一致,则对应位置的元素为1,否则,为0。前50行是'setosa'就变成1,后100行不是就是0。inds = ~strcmp(species,'setosa');% 取反后返回值inds是一个和species有相同size的logical array,inds的元素是1或0。数据文件中species列里面是'setosa'的共有50行。再取反,应该就是一列向量,前50项是0,后面100项是1。

 

X = meas(inds,3:4); 前2列按程序目的被移除,

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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