SVM分类与回归的matlab代码

svm分类与回归的matlab代码

% 使用libsvm进行分类，只需要有属性矩阵和标签，然后建立分类模型（model），然后利用得到的这个model进行分类预测。
% 举例说明分类
%一个班级里面有两个男生（男生1、男生2），两个女生（女生1、女生2），其中
% 男生1 身高：176cm 体重：70kg；
% 男生2 身高：180cm 体重：80kg；
% 
% 女生1 身高：161cm 体重：45kg；
% 女生2 身高：163cm 体重：47kg；
% 将男生定义为1，女生定义为-1
data = [176 70;180 80;161 45;163 47];%属性矩阵，data矩阵为属性矩阵，行数4代表有4个样本，列数2表示属性有两个
label = [1;1;-1;-1];%在label中存入男女生类别标签（1、-1）

model = svmtrain（labeldata）;%由属性矩阵data和标签label就可以利用libsvm建立分类模型

testdata = [190 85];%测试数据，已知身高190cm，体重85kg，但是性别未知
testdatalabel = -1; %假设其标签为-1

[predictlabelaccuracy] = svmpredict（testdatalabeltestdatamodel）;
predictlabel %通过预测我们得知这个新来的学生的标签是1（男生），由于原本我们假设其标签为-1，假设错误，所以分类准确率为0%。
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % 
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % 
% 使用libsvm工具箱本身带的测试数据heart_scale来实际进行一下测试
tic;
close all;
clear;
clc;
format compact;
%% 
% 首先载入数据
load heart_scale;
data = heart_scale_inst;
label = heart_scale_label;

% 选取前200个数据作为训练集合，后70个数据作为测试集合
ind = 200;
traindata = data（1:ind:）;
trainlabel = label（1:ind:）;
testdata = data（ind+1:end:）;
testlabel = label（ind+1:end:）;

% 利用训练集合建立分类模型
model = svmtrain（trainlabeltraindata‘-s 0 -t 2 -c 1.2 -g 2.8‘）;

% 分类模型model解密
model
Parameters = model.Parameters
Label = model.Label
nr_class = model.nr_class
totalSV = model.totalSV
nSV = model.nSV 

% 利用建立的模型看其在训练集合上的分类效果
[ptrainacctrain] = svmpredict（trainlabeltraindatamodel）;

% 预测测试集合标签
[ptestacctest] = svmpredict（testlabeltestdatamodel）;

%%
toc;
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % 
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % 
% libsvm_options:
% -s svm_type : set type of SVM （default 0）
%         0 -- C-SVC
%         1 -- nu-SVC
%         2 -- one-class SVM
%         3 -- epsilon-SVR
%         4 -- nu-SVR
% -t kernel_type : set type of kernel function （default 2）
%         0 -- linear: u‘*v
%         1 -- polynomial: （gamma*u‘*v + coef0）^degree
%         2 -- radial basis function: exp（-gamma*|u-v|^2）
%         3 -- sigmoid: tanh（gamma*u‘*v + coef0）
%         4 -- precomputed kernel （kernel values in training_instance_matrix）
% -d degree : set degree in kernel function （default 3）
% -g gamma : set gamma in kernel function （default 1/k）
% -r coef0 : set coef0 in kernel function （default 0）
% -c cost : set the parameter C of C-SVC epsilon-SVR and nu-SVR （default 1）
% -n nu : set the parameter nu of nu-SVC one-class SVM and nu-SVR （default 
% 
% 0.5）
% -p epsilon : set the epsilon in loss function of epsilon-SVR （default 0.1）
% -m cachesize : set cache memory size in MB （default 100）
% -e epsilon : set tolerance of term

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     324422  2015-04-07 17:08  SVM分类与回归\libsvm_library.pdf

     文件       5154  2015-04-06 23:30  SVM分类与回归\SVM分类小例子.m

     文件       1041  2015-04-06 23:42  SVM分类与回归\SVM回归小例子.m

     文件    1397537  2014-12-18 14:12  SVM分类与回归\支持向量机通俗导论（理解SVM的三层境界）Latex版.pdf

     目录          0  2015-04-20 15:38  SVM分类与回归

----------- ---------  ---------- -----  ----

              1728154                    5