视频1 视频21 视频41 视频61 视频文章1 视频文章21 视频文章41 视频文章61 推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37 推荐39 推荐41 推荐43 推荐45 推荐47 推荐49 关键词1 关键词101 关键词201 关键词301 关键词401 关键词501 关键词601 关键词701 关键词801 关键词901 关键词1001 关键词1101 关键词1201 关键词1301 关键词1401 关键词1501 关键词1601 关键词1701 关键词1801 关键词1901 视频扩展1 视频扩展6 视频扩展11 视频扩展16 文章1 文章201 文章401 文章601 文章801 文章1001 资讯1 资讯501 资讯1001 资讯1501 标签1 标签501 标签1001 关键词1 关键词501 关键词1001 关键词1501 专题2001
matlab 支持向量机包及用法
2025-10-02 19:13:23 责编:小OO
文档
chapter one: matlab高级版本中自带的svm函数

我现在使用的matlab版本为 matlab 7.6.0(R2008a)这个版本中已经自带svm算法,分别为生物信息工具箱(bioinformatics toolbox)中svmclassify函数和svmtrain函数,为上下级关系。

SVMStruct=svmtrain(Training,Group)%svmtrain的输入为样本点training和样本的分类情况group,输出为一个分类器svmstruct.

核函数,核参数,和计算方法等都是可选的,如SVMStruct = svmtrain(…, ‘Kernel_Function’, Kernel_FunctionValue, …)

但是切记切记一定要成对出现。

然后,将分类器和testing sample带入svmclassify中,可以得到分类结果和准确度。

举个例子哈

svmStruct = svmtrain(data(train,:),groups(train),’Kernel_Function’,'rbf’,'Kernel_FunctionValue’,’5′,’showplot’,true);

%用了核宽为5的径向基核,且要求作图

%这里我觉得原作者的写法有误,应该是svmStruct = svmtrain(data(train,:),groups(train),...

   'Kernel_Function','rbf','RBF_Sigma',5,'showplot',true);

classes = svmclassify(svmStruct,data(test,:),’showplot’,true);

%要求输出检测样本点的分类结果,且画图表示。

tip 1: 有归一化scale功能,可以通过调参数实现

tip 2: 计算方法可选qp,smo,ls

tip 3: 有个关于soft margin的盒子条件,我不太明白是干嘛的,谁懂得话,就给我讲讲哈

tip 4: 画出来的图很难看

to sum up: 挺好的

chapter two: 我最早使用的工具箱SVM and Kernel Methods Matlab Toolbox

 

2005年法国人写的,最近的更新为20/02/2008

下载的地址为http://asi.insa-rouen.fr/enseignants/~arakotom/toolbox/index.html

这是我最早开始用的一个工具箱,我很喜欢,到现在还是,对于svm的初学者是个很好的toolbox.

有详细的说明和很多的demo和例子,

包含现今几乎所有的有关svm的成熟算法和数据预处理方法(pca及小波等)。

最最重要的是有回归!!!

且函数简单,容易改动延伸。

最近我在弄模糊支持向量机,弄不出来,折腾的快死人了,那天突然发现其实在这个包的一个程序中改动下就可以达到模糊的效果了,开心啊。。

且有多分类

且画出来的图好看。

强烈推荐

说下包中最重要的几个函数 svmreg svmclass svmval

其中,svmreg和svmclass的功能分别为训练出回归函数和分类器

Svmval将回归函数或分类器带入,对新样本点进行估计

Chapter three: 最富盛名的libsvm

本文来自: 高校自动化网(Www.zdh1909.com) 详细出处参考(转载请保留本链接):http://www.zdh1909.com/html/matlab/15830.html

业界很有名的一个包,主要是有各种各样的借口,现在最新的到python

主页及下载地址:http://www.csie.ntu.edu.tw/~cjlin/libsvm/

但是,说实话呢,我真是用的不怎么上手

首先,实在是不怎么好篡改

其次,参数调起来挺麻烦。

但是有很详细的guide book 和例子

且主页上的例子很生动,随便点几下,就可以看到分类器产生的过程和效果。

业界用的非常多,应该svm在应用领域影响力最大的一个包了

据说(according to 诺,井博士)linux下非常非常好使。

Chapter four: osu-svm matlab toolbox

下载地址:http://sourceforge.net/projects/svm/

觉得和libsvm没什么太大的差别

有多分类且可以生成个阶梯图,我觉得这种图要比普通的分类平面图好些,好像可以看到更多的信息。、

Chapter five : spider machine learning matlab toolbox

主页:http://sourceforge.net/projects/svm/

那个是相当cool~啊

包括了迄今为止较为常用的machine learning algorithms

还有无监督的一些算法,如谱聚类

我研究了一小下

不太好篡改

但是很好用

我做多分类是就用了这个包

效果不好,但是挺好调整

本文来自: 高校自动化网(Www.zdh1909.com) 详细出处参考(转载请保留本链接):http://www.zdh1909.com/html/matlab/15830_2.html下载本文

显示全文
专题