SVM多分类问题例子+matlab代码

【代码在抽取训练集和测试集部分出错】

收获：

1.0 得知libsvm对于多分类问题默认使用的就是1 vs 1;
2.0 得知分类标签常用+1，-1，但是是任意选择的，对于多分类问题，建议选择1，2，3...
3.0 交叉验证寻找最优的c和gamma效果不错，但是用时过长。
4.0 libsvm的详细用法和参数解析：上一页。

1.采用交叉验证法获得的最大识别率为98.75，与不适用交叉验证的区别还是很大的。

2：1 vs rest 代码待写…

3.matlab训练代码如下：

% libsvm默认的多分类问题就是使用的 1v1;
% 可以自己写1 vs rest
clc;
clear all;
f_id = fopen('iris.data');
if(f_id==2)disp('打开文件失败');return;
end
% 读取全部数据,并获取全部分类。
% oneFloatFlag = 0;
xapp = []; % 全部数据
tagSetData = [];  % o
tagVerData = [];  % s
tagVirData = [];  % g
vec = zeros(6,1);
olabel = [];
slabel = [];
glabel = [];
while ~feof(f_id)c = fscanf(f_id,'%f,%f,%f,%f,%s',[1,5]); % 处理一行vec = [c(1);c(2);c(3);c(4)];xapp = [xapp,vec];if (c(13)==111)tagSetData = [tagSetData,vec];olabel = [olabel,1];elseif (c(13)==115)tagVerData = [tagVerData,vec];slabel = [slabel,2];elseif (c(13)==103)tagVirData = [tagVirData,vec];glabel = [glabel,3];end
end
fclose(f_id);
% 总数据
all_data = [tagSetData,tagVerData,tagVirData];
all_label = [olabel,slabel,glabel];
% 打乱数据，然后取80个训练，70个测试：
x_train = [];
y_train = [];
trainNumber = 80;
[N,M] = size(all_data);
p = randperm(M);
for i = 1:trainNumberx_train = [x_train,all_data(:,p(i))]; % 数据y_train= [y_train,all_label(p(i))]; % 数据的标签
end
x_train = x_train';
y_train = y_train';% 获取测试样本
x_test = [];
y_test = [];
for i =trainNumber+1:Mx_test = [x_test,all_data(i:p(i))];y_test = [y_test,all_label(p(i))];
end
x_test = x_test';
y_test = y_test';
% 归一化数据；
[Tn,Tm] = size(x_train);
avgX = mean(x_train);
stdX = std(x_train);
for i = 1:Tn      % 以行遍历所有数据x_train(i,:) = (x_train(i,:)-avgX)./stdX;
end
[Tn,Tm] = size(x_test);
avgX = mean(x_test);
stdX = std(x_test);
for i = 1:Tn      % 以行遍历所有数据x_test(i,:) = (x_test(i,:)-avgX)./stdX;
end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%SVM Gaussian kernel
%Search for the optimal C and gamma, K(x1,x2) = exp{-||x1-x2||^2/gamma} to
%make the recognition rate maximum. %Firstly, search C and gamma in a crude scale (as recommended in 'A practical Guide to Support Vector Classification'))
CScale = [-5, -3, -1, 1, 3, 5,7,9,11,13,15];
gammaScale = [-15,-13,-11,-9,-7,-5,-3,-1,1,3];
C = 2.^CScale;
gamma = 2.^gammaScale;
maxRecognitionRate = 0;
for i = 1:length(C)  % 找到最佳的超参数 c 和 gama 的下标for j = 1:length(gamma)   % svm训练参数设置：cmd=['-t 2 -c ',num2str(C(i)),' -g ',num2str(gamma(j)),' -v 5'];recognitionRate = svmtrain(y_train,x_train,cmd); %训练数据和参数if recognitionRate>maxRecognitionRatemaxRecognitionRate = recognitionRate;maxCIndex = i;maxGammaIndex = j;endend
end
% 在一个精确的尺度上搜索最优的C和gamma。(上述求得的尺度)
% 寻找最佳c和gama的附近的值；由于CScale和gamaScale是递增的，所以，小一点往后退，大一点向前走
% 等分长度：
n = 10;
minScale = 0.5*(CScale(max(1,maxCIndex-1)) + CScale(maxCIndex));
maxScale = 0.5*(CScale(min(length(CScale),maxCIndex+1)) +CScale(maxCIndex));
newCScale = [minScale:(maxScale-minScale)/n:maxScale];
minGammaScale = 0.5*(gammaScale(max(1,maxGammaIndex-1))+gammaScale(maxGammaIndex));
maxGammaScale = 0.5*(gammaScale(min(length(gammaScale),maxGammaIndex+1))+gammaScale(maxGammaIndex));
newGammaScale = [minGammaScale:(maxGammaScale-minGammaScale)/n:maxGammaScale];
newC = 2.^newCScale;
newGamma = 2.^newGammaScale;
maxRecognitionRate = 0;
for i = 1:length(newC)  % 找到最佳的超参数 c 和 gama 的下标for j = 1:length(newGamma)   % svm训练参数设置：cmd=['-t 2 -c ',num2str(newC(i)),' -g ',num2str(newGamma(j)),' -v 5'];recognitionRate = svmtrain(y_train,x_train,cmd); %训练数据和参数if recognitionRate>maxRecognitionRatemaxRecognitionRate = recognitionRate;maxC = i;maxG = j;endend
end
% 使用上述求得得最好的C和gama训练模型
cmd=['-t 2 -c ',num2str(maxC),' -g ',num2str(maxG)];
model = svmtrain(y_train,x_train,cmd);
save model.mat model;
save x_train.mat x_train;
save y_train.mat y_train;
save x_test.mat x_test;
save y_test.mat y_test;

SVM多分类问题例子+matlab代码相关推荐

【SVM预测】基于人工蜂群算法优化支持向量机SVM实现数据预测附Matlab代码
1 简介为确定合理的底板防水煤岩柱尺寸,减少底板突水安全事故的发生,利用支持向量机(SVM)与人工蜂群算法(ABCA)综合研究底板破坏深度问题.由于SVM训练参数惩罚因子C和核函数宽度g的选择对预测 ...
利用SVM小样本机械故障诊断（MATLAB代码）
1.结果展示 2.数据集介绍: 以小型实验台滚动轴承的振动信号为例(正常,内圈故障,外圈故障,滚动体故障,保持架故障) 2.1训练数据集特征(10个样本) 2.2训练集标签
基于LSTM和SVM的设备故障诊断（Matlab代码实现）
【机器学习】SVM多分类问题及基于sklearn的Python代码实现
SVM多分类问题及Python代码实现 1. 什么是SVM? 2. SVM的分类 3. SVM决策函数类型 4. SVM多分类的Python代码实现参考资料 1. 什么是SVM? 对于这个点已经介绍 ...
（论文加源码）基于时频域特征分析和SVM分类器的DEAP脑电信号情感状态识别（matlab代码）（四分类）
论文和源码见个人主页:https://download.csdn.net/download/qq_45874683/85069822 (论文加源码)(matlab代码)基于时频域特征分析和SVM分类器 ...
【SVM分类】基于粒子群算法优化支持向量机实现葡萄酒数据分类附matlab代码
1 简介在机器学习领域,要处理的数据的规模越来越大,而学习算法在数据的特征过多的时候,往往会产生性能上的下降.作为解决这个问题的有效手段,特征选择一直以来都得到了广泛的关注.粒子群优化算法作为一种优 ...
基于matlab支持向量机SVM多分类手写体数字识别
此程序为本人模式识别大作业,参考了网上的代码,并进行了一定的修改,希望对大家有所帮助! 此代码主要参考了以下文章: https://blog.csdn.net/Einperson/article/de ...
故障诊断分类 matlab代码轴承内圈、外圈、滚动体故障分类
故障诊断分类 matlab代码轴承内圈.外圈.滚动体故障分类 (1)故障样本的时域.频域.时频域.熵等特征提取: (2)BP网络或者SVM模型训练与测试 (3)输出测试样本分类准确率成套代码,注释 ...
基于蝗虫（蚱蜢）优化算法优化的支持向量机分类模型及其MATLAB实现-附代码
基于蝗虫(蚱蜢)优化算法GOA优化的支持向量机分类模型SVM及其MATLAB实现-附代码文章目录基于蝗虫(蚱蜢)优化算法GOA优化的支持向量机分类模型SVM及其MATLAB实现-附代码 1. 模型 ...
【SVM分类】基于matlab哈里斯鹰算法优化支持向量机SVM分类【含Matlab源码 2243期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[SVM分类]基于matlab哈里斯鹰算法优化支持向量机SVM分类[含Matlab源码 2243期] 获取代码方式2: 付费专栏Matla ...

SVM多分类问题例子+matlab代码

1.采用交叉验证法获得的最大识别率为98.75，与不适用交叉验证的区别还是很大的。

2：1 vs rest 代码待写…

3.matlab训练代码如下：

SVM多分类问题例子+matlab代码相关推荐

最新文章

热门文章