如何利用lib进行分类
来源:互联网 发布:关于室内设计的软件 编辑:程序博客网 时间:2024/05/16 05:10
转载自:http://www.matlabsky.com/thread-12379-1-1.html
其实使用libsvm进行分类很简单,只需要有属性矩阵和标签,然后就可以建立分类模型(model),然后利用得到的这个model进行分类预测了。
那神马是属性矩阵?神马又是标签呢?我举一个直白的不能在直白的例子:
说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
如果我们将男生定义为1,女生定义为-1,并将上面的数据放入矩阵data中,即在label中存入男女生类别标签(1、-1),即这样上面的data矩阵就是一个属性矩阵,行数4代表有4个样本,列数2表示属性有两个,label就是标签(1、-1表示有两个类别:男生、女生)。
现在回归正题,有了上面的属性矩阵data,和标签label就可以利用libsvm建立分类模型了,简要代码如下:有了model我们就可以做分类预测,比如此时该班级又转来一个新学生,其
身高190cm,体重85kg
我们想通过上面这些信息就给出其标签(想知道其是男【1】还是女【-1】)
比如 令 testdata = [190 85]; 由于其标签我们不知道,我们假设其标签为-1(也可以假设为1)
话归正传,即
testdatalabel = -1;
然后利用libsvm来预测这个新来的学生是男生还是女生,代码如下:下面我们整体运行一下上面这段恶 搞[e gao]的背景数据和代码(你别笑,这个是真能运行的,也有结果的):运行结果如下:哎,我们看到,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%。
好,通过上面的讲解,不知道诸位看官对于利用libsvm进行分类是否有了一定了解【谁要是这么通俗的例子还搞不清楚怎么使用libsvm进行分类,那我真无语啦】,下面使用libsvm工具箱本身带的测试数据heart_scale来实际进行一下测试:运行结果:上面的代码基本我不想多说什么。
只是说一下参数输入的意义:
其实使用libsvm进行分类很简单,只需要有属性矩阵和标签,然后就可以建立分类模型(model),然后利用得到的这个model进行分类预测了。
那神马是属性矩阵?神马又是标签呢?我举一个直白的不能在直白的例子:
说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
如果我们将男生定义为1,女生定义为-1,并将上面的数据放入矩阵data中,即在label中存入男女生类别标签(1、-1),即这样上面的data矩阵就是一个属性矩阵,行数4代表有4个样本,列数2表示属性有两个,label就是标签(1、-1表示有两个类别:男生、女生)。
现在回归正题,有了上面的属性矩阵data,和标签label就可以利用libsvm建立分类模型了,简要代码如下:有了model我们就可以做分类预测,比如此时该班级又转来一个新学生,其
身高190cm,体重85kg
我们想通过上面这些信息就给出其标签(想知道其是男【1】还是女【-1】)
比如 令 testdata = [190 85]; 由于其标签我们不知道,我们假设其标签为-1(也可以假设为1)
话归正传,即
testdatalabel = -1;
然后利用libsvm来预测这个新来的学生是男生还是女生,代码如下:下面我们整体运行一下上面这段恶 搞[e gao]的背景数据和代码(你别笑,这个是真能运行的,也有结果的):运行结果如下:哎,我们看到,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%。
好,通过上面的讲解,不知道诸位看官对于利用libsvm进行分类是否有了一定了解【谁要是这么通俗的例子还搞不清楚怎么使用libsvm进行分类,那我真无语啦】,下面使用libsvm工具箱本身带的测试数据heart_scale来实际进行一下测试:运行结果:上面的代码基本我不想多说什么。
只是说一下参数输入的意义:
0 0
- 如何利用lib进行分类
- 如何利用libsvm进行分类
- 如何利用关联规则进行分类
- 利用libsvm进行分类
- 利用距离进行分类
- 利用keras进行分类
- 如何利用python中的langid,对文本语种进行分类
- 利用工具箱进行分类实验
- 利用tensorflow进行单词分类
- 【译文】如何利用机器学习和分布式计算来对用户事件进行分类
- 如何使用libsvm进行分类
- 如何使用libsvm进行分类
- 如何使用libsvm进行分类
- Caffe学习:pycaffe利用caffemodel进行分类
- 利用机器学习进行恶意代码分类
- 利用朴素贝叶斯模型进行文档分类
- 利用机器学习进行恶意代码分类
- 利用机器学习进行恶意代码分类
- 类的指针和引用
- PHP 单例模式解析和实战
- C语言的数组
- Java 导入jar包方式
- 我的iOS开发之Objective-C第1天之NOlog以及BOOL
- 如何利用lib进行分类
- 字符串复制
- PHP中“简单工厂模式”实例讲解
- CSS hack
- 结构体,联合体,内存分配
- Node.js详细解析
- hdu 5373 The shortest problem 2015多校联合训练赛#7 模拟
- 修改Tomcat内存大小
- 一小时内破解16位强密码