matlab中SVM工具箱的使用方法講解學(xué)習(xí)

1、Good is good, but better carries it.精益求精，善益求善。matlab中SVM工具箱的使用方法-matlab中SVM工具箱的使用方法標簽：HYPERLINK/tag/matlab/t_blankmatlabHYPERLINK/tag/svm/t_blanksvmHYPERLINK/tag/%B9%A4%BE%DF%CF%E4/t_blank工具箱2008-03-1814:431,下載SVM工具箱:HYPERLINK/faculty/chzheng/bishe/indexfiles/indexl.htmt_blank/faculty/chzheng/bishe/

2、indexfiles/indexl.htm2,安裝到matlab文件夾中1)將下載的SVM工具箱的文件夾放在matlab71toolbox下2)打開matlab-File-SetPath中添加SVM工具箱的文件夾現(xiàn)在,就成功的添加成功了.可以測試一下:在matlab中輸入whichsvcoutput回車,如果可以正確顯示路徑,就證明添加成功了,例如:C:ProgramFilesMATLAB71toolboxsvmsvcoutput.m3,用SVM做分類的使用方法1)在matlab中輸入必要的參數(shù):X,Y,ker,C,p1,p2我做的測試中取的數(shù)據(jù)為:N=50;n=2*N;randn(state

3、,6);x1=randn(2,N)y1=ones(1,N);x2=5+randn(2,N);y2=-ones(1,N);figure;plot(x1(1,:),x1(2,:),bx,x2(1,:),x2(2,:),k.);axis(-38-38);title(C-SVC)holdon;X1=x1,x2;Y1=y1,y2;X=X1;Y=Y1;其中,X是100*2的矩陣,Y是100*1的矩陣C=Inf;ker=linear;globalp1p2p1=3;p2=1;然后,在matlab中輸入:nsvalphabias=svc(X,Y,ker,C),回車之后,會顯示:SupportVectorClas

4、sification_Constructing.Optimising.Executiontime:1.9secondsStatus:OPTIMAL_SOLUTION|w0|2:0.418414Margin:3.091912Sumalpha:0.418414SupportVectors:3(3.0%)nsv=3alpha=0.00000.00000.00000.00000.00002)輸入預(yù)測函數(shù),可以得到與預(yù)想的分類結(jié)果進行比較.輸入:predictedY=svcoutput(X,Y,X,ker,alpha,bias),回車后得到:predictedY=1111111113)畫圖輸入:svcplot(X,Y,ker,alpha,bias),回車補充:X和Y為數(shù)據(jù),m*n:m為樣本數(shù),n為特征向量數(shù)比如:取20組訓(xùn)練數(shù)據(jù)X,10組有故障,10組無故障的,每個訓(xùn)練數(shù)據(jù)有13個特征參數(shù),則m=20,n=13Y為20*1的