matlab svmtrain多标签,train_label:训练集的标签,格式要求与svmtrain相同怎么改啊
主程序如下:
clear
p_train=[0.7 0.7 0.7 1 1 1 1 0.7 0.7 1;
0.7 0.5 0.7 0.5 0.5 0.7 0.5 0.5 0.7 0.7;
0.5 0.7 0.7 0.7 0.7 0.7 0.5 0.7 0.5 0.7;
0.5 0.3 0.5 0.3 0.5 0.3 0.5 0.7 0.5 0.5;
0.3 0.5 0.7 0.5 0.7 0.3 0.3 0.5 0.3 0.5;
1 1 1 0.7 1 1 0.7 0.7 1 1;
0.7 0.7 0.7 0.7 0.7 0.7 1 0.5 0.7 1;
0.5 0.5 0.7 0.7 0.5 1 0.7 0.5 0.7 0.7;
1 0.7 0.7 0.7 1 0.7 0.7 1 0.7 1;
0.5 0.5 0.7 0.7 0.5 0.5 0.5 0.5 0.5 0.7];
t_train=[0.3 0.7 0.5 0.7 0.1 0.3 0.5 0.5 0.7 0.5;
0.7 0.5 1 0.7 1 1 0.7 0.7 1 1;
1 0.7 0.7 0.7 0.7 1 0.7 0.5 0.7 1;
0.7 0.5 0.7 0.7 0.5 0.7 0.5 0.7 0.7 0.7
];
p_test=[0.7 0.5;
0.5 0.7;
0.7 0.7;
0.7 0.5;
0.3 0.5;
0.7 1;
0.7 0.7;
0.7 0.5;
1 0.5;
0.7 0.5
];
t_test=[0.3 0.3;
0.7 1;
1 0.5;
0.5 0.5];
%p_train=(rand(4,50));
%t_train=rand(1,50);
%p_test=(rand(4,5));
%t_test=rand(1,5);
% [pn,minp,maxp,tn,mint,maxt] = premnmx(p,t)
[pn_train,minp,maxp,tn_train,mint,maxt] = premnmx(p_train,t_train);
% [pn,minp,maxp] = premnmx(p)
%测试集
[pn_test] = tramnmx(p_test,minp,maxp);
[tn_test] = tramnmx(t_test,mint,maxt);
%创建训练模型
%寻找最佳c参数、g参数
[c,g]=meshgrid(-10:0.5:10,-10:0.5:10);
[m,n]=size(c);
cg=zeros(m,n);
eps=10^(-4);
v=5;
bestc=0;
bestg=0;
error=Inf;
for i=1:m
for j=1:n
cmd=['-v',num2str(v),'-c',num2str(2^c(i,j)),'-g',num2str(2^g(i,j)),'-s 3 -p 0.1'];
cg(i,j)=svmtrain(tn_train,pn_train,cmd);
if cg(i,j)
error=cg(i,j);
bestc=2^c(i,j);
bestg=2^g(i,j);
end
if abs(cg(i,j)-error)2^c(i,j)
error=cg(i,j);
bestc=2^c(i,j);
bestg=2^g(i,j);
end
end
end
cmd=['-c',num2str(bestc),'-g',num2str(bestg),'-s 3 -p 0.01'];
model=svmtrain(tn_train,pn_train,cmd);
[Predict_1,error_1]=svmpredict(tn_train,pn_train,model);
[Predict_2,error_2]=svmpredict(tn_test,pn_test,model);
predict_1=premnmx('reverse',predict_1,outputps);
postmnmx
predict_2=premnmx('reverse',predict_2,outputps);
result_1=[t_train predict_1];
result_2=[t_test predict_2];
%绘图
figure(1)
plot(1:length(t_train),t_train,'r-*',1:length(t_train),predict_1,'b:o')
grid on
legend('真实值','预测值')
xlabel('样本编号')
ylabel('风险强度')
string_1={'训练集预测结果对比';['mse='num2str(error_1(2))'R^2='num2str(error_1(3))]};
title(string_1)
figure(2)
plot(1:length(t_test),t_test,'r-*',1:length(t_test),predict_2,'b:o')
grid on
legend('真实值','预测值')
xlabel('样本编号')
ylabel('风险强度')
string_2={'测试集预测结果对比';['mse='num2str(error_2(2))'R^2'=num2str(error_2(3))};
title(string_2)
运行结果
Length of label vector does not match # of instances.
??? Subscripted assignment dimension mismatch.
>>
matlab svmtrain多标签,train_label:训练集的标签,格式要求与svmtrain相同怎么改啊相关推荐
- 使用matlab中PCA包进行训练集与测试集处理
使用matlab中PCA包进行训练集与测试集处理 1. matlab中PCA包的使用与分析 2. 训练集与测试集降维处理 1. matlab中PCA包的使用与分析 [coeff, score, lat ...
- matlab pca coeff,matlab_PCA,训练集与测试集分开,原理和用法
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 PCA基本流程: 1.训练集矩阵算协方差矩阵A; 2.算协方差矩阵特征值与特征向量; 3.按特征值的大小排列特征矩阵,得B,对应的特征值(按从大到小排列) ...
- 测试集没标签,可以拿来测模型吗?
文:维建 编:白鹡鸰 背景 正常情况下,我们可以用一个带标签的数据集来测试分类器的表现(称之为测试集).然而,现实中,因为种种因素的制约(标注成本高.标注难度大等 Google:穷人不配搞机器学习), ...
- R语言图形用户界面数据挖掘包Rattle:加载UCI糖尿病数据集、并启动Rattle图形用户界面、数据集变量重命名,为数据集结果变量添加标签、数据划分(训练集、测试集、验证集)、随机数设置
R语言图形用户界面数据挖掘包Rattle:加载UCI糖尿病数据集.并启动Rattle图形用户界面.数据集变量重命名,为数据集结果变量添加标签.数据划分(训练集.测试集.验证集).随机数设置 目录
- matlab训练集测试集划分
function [X_train, y_train, X_test, y_test] = split_train_test(X, y, k, ratio) %SPLIT_TRAIN_TEST 分割训 ...
- matlab pca 测试样本,matlab_PCA,训练集与测试集分开,原理和用法
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 PCA基本流程: 1.训练集矩阵算协方差矩阵A; 2.算协方差矩阵特征值与特征向量; 3.按特征值的大小排列特征矩阵,得B,对应的特征值(按从大到小排列) ...
- matlab pca和逆pca函数,matlab_PCA,训练集与测试集分开,原理和用法
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 PCA基本流程: 1.训练集矩阵算协方差矩阵A; 2.算协方差矩阵特征值与特征向量; 3.按特征值的大小排列特征矩阵,得B,对应的特征值(按从大到小排列) ...
- VOC数据集的划分(训练集,验证集,测试集) 生成txt文件和标签
训练集,验证集,测试集,生成对应的txt以及标签 以下代码是用于数据集划分,只需要修改config对象中对应的里的Annotations 文件夹和JPEGImages 文件夹路径即可! # 导入的模块 ...
- python sklearn的训练集测试集根据标签的比例来切分数据集
在切分数据集的时候发现标签样本非常不均衡的情况, 这时候切分数据比为了避免没有均衡切分每一种分类就可以用sklearn来实现 train_x,test_x,train_y,test_y = train ...
最新文章
- oracle对查询结果求和_某国企Oracle数据库误truncate table恢复案例
- playframework 打包在tomcat里部署
- STM32工作笔记0057---外部中断实验
- SpringMVC实现list表单(六)
- hadoop集群的搭建与配置(2)
- oracle字典在线查字手写,在线字典手写输入
- 黑群晖linux删除文件夹命令,手把手教你黑群晖(二)
- python3 爬虫 爬取美女图片
- 高数_第5章常微分方程__一阶微分方程之齐次方程
- 2022年安全员-A证操作证考试题模拟考试平台操作
- 【转】Mac下 如何配置虚拟机软件Parallel Desktop--超详细
- 暖心的坚果 Pro 3发布会,Smartisan OS亮点颇多
- 畅写Office云端SDK :“硬核”赋予企业应用在线文档I在线协作编辑I在线预览I在线格式转换服务
- 招商银行信用卡中心大数据
- 不容错过的Java高级面试题
- 机器学习——基础概念
- c3p0的坑导致并发性能问题
- mysql中的包含与被包含
- [附源码]java毕业设计中小企业人事管理系统
- Java-JWT Utils