• 大小: 36KB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2021-08-07
  • 语言: 其他
  • 标签: SVM  

资源简介

针对葡萄酒的含量特征将葡萄酒分为四个种类,采用SVM算法对特征集进行训练,根据训练得到的优秀参数对分类模型进行分类。

资源截图

代码片段和文件信息

%% Matlab神经网络43个案例分析

% 基于SVM的数据分类预测——意大利葡萄酒种类识别
% by 李洋(faruto)
% http://www.matlabsky.com
% Email:faruto@163.com
% http://weibo.com/faruto 
% http://blog.sina.com.cn/faruto
% 2013.01.01
%% 清空环境变量
close all;
clear;
clc;
format compact;
%% 数据提取

% 载入测试数据wine其中包含的数据为classnumber = 3wine:178*13的矩阵wine_labes:178*1的列向量
load chapter_WineClass.mat;

% 画出测试数据的box可视化图
figure;
boxplot(wine‘orientation‘‘horizontal‘‘labels‘categories);
title(‘wine数据的box可视化图‘‘FontSize‘12);
xlabel(‘属性值‘‘FontSize‘12);
grid on;

% 画出测试数据的分维可视化图
figure
subplot(351);
hold on
for run = 1:178
    plot(runwine_labels(run)‘*‘);
end
xlabel(‘样本‘‘FontSize‘10);
ylabel(‘类别标签‘‘FontSize‘10);
title(‘class‘‘FontSize‘10);
for run = 2:14
    subplot(35run);
    hold on;
    str = [‘attrib ‘num2str(run-1)];
    for i = 1:178
        plot(iwine(irun-1)‘*‘);
    end
    xlabel(‘样本‘‘FontSize‘10);
    ylabel(‘属性值‘‘FontSize‘10);
    title(str‘FontSize‘10);
end

% 选定训练集和测试集

% 将第一类的1-30第二类的60-95第三类的131-153做为训练集
train_wine = [wine(1:30:);wine(60:95:);wine(131:153:)];
% 相应的训练集的标签也要分离出来
train_wine_labels = [wine_labels(1:30);wine_labels(60:95);wine_labels(131:153)];
% 将第一类的31-59第二类的96-130第三类的154-178做为测试集
test_wine = [wine(31:59:);wine(96:130:);wine(154:178:)];
% 相应的测试集的标签也要分离出来
test_wine_labels = [wine_labels(31:59);wine_labels(96:130);wine_labels(154:178)];

%% 数据预处理
% 数据预处理将训练集和测试集归一化到[01]区间

[mtrainntrain] = size(train_wine);
[mtestntest] = size(test_wine);

dataset = [train_wine;test_wine];
% mapminmax为MATLAB自带的归一化函数
[dataset_scaleps] = mapminmax(dataset‘01);
dataset_scale = dataset_scale‘;

train_wine = dataset_scale(1:mtrain:);
test_wine = dataset_scale( (mtrain+1):(mtrain+mtest): );
%% SVM网络训练
model = svmtrain(train_wine_labels train_wine ‘-c 2 -g 1‘);

%% SVM网络预测
[predict_label accuracy] = svmpredict(test_wine_labels test_wine model);

%% 结果分析

% 测试集的实际分类和预测分类图
% 通过图可以看出只有一个测试样本是被错分的
figure;
hold on;
plot(test_wine_labels‘o‘);
plot(predict_label‘r*‘);
xlabel(‘测试集样本‘‘FontSize‘12);
ylabel(‘类别标签‘‘FontSize‘12);
legend(‘实际测试集分类‘‘预测测试集分类‘);
title(‘测试集的实际分类和预测分类图‘‘FontSize‘12);
grid on;

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

     文件       2429  2013-08-18 10:55  chapter14\chapter_WineClass.m

     文件      20168  2010-01-30 18:38  chapter14\chapter_WineClass.mat

     文件      13636  2013-08-18 10:55  chapter14\html\chapter_WineClass.html

     文件       3346  2013-08-18 10:55  chapter14\html\chapter_WineClass.png

     文件       6819  2013-08-18 10:55  chapter14\html\chapter_WineClass_01.png

     文件      10865  2013-08-18 10:55  chapter14\html\chapter_WineClass_02.png

     文件       9098  2013-08-18 10:55  chapter14\html\chapter_WineClass_03.png

     目录          0  2013-08-18 10:55  chapter14\html

     目录          0  2013-08-18 10:55  chapter14

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

                66361                    9


评论

共有 条评论