支持向量机(SupportVector Machine)(一)
来源:互联网 发布:西门子模拟量怎么编程 编辑:程序博客网 时间:2024/05/17 01:40
SVM的主要思想是建立一个分类超平面作为决策曲面,使得正例和反例之间的隔离边缘被最大化。
SVM的理论基础是统计学习理论,更准确地说,是结构风险最小化的近似实现。
2.LIBSVM工具箱的主要函数
(1)训练函数 model =svmtrain(train_label,train_data,options);
输入:
—train_label:训练集标签,大小为nx1,n表示样本数,数据类型double.
—train_data:训练集属性矩阵,大小为nxm,n表示样本数,m表示属性数目(维数),数据类型double.
—options:参数选项,比如'-c 1-g 0.1'.
输出:
—model:训练得到的模型,是一个结构体。注意:使用-v参数时,返回的model不再是一个结构体,分类问题返回的是交叉验证下的平均分类准确率;回归问题返回的是交叉验证下的平均均方根误差(MSE).
(2)预测函数 [predict_label,accrucy/mse,dec_value]=svmpredict(test_label,test_data,model);
输入:
—test_label:测试集标签,大小为Nx1,N表示样本数,数据类型double。注意:如果没有测试集标签,可以用任意的Nx1的列向量代替即可,此时的输出 accyracy/mse就没有参考价值。
—test_data:测试集属性矩阵,大小为Nxm,N表示测试集样本数,m表示属性数目(维数),数据类型double.
—model: svmtrain训练得到的模型.
输出:
—predict_label:预测的测试集的标签,大小为Nx1,N表示样本数,数据类型为double.
—accuracy/mse:一个3x1的列向量,第一个数表示平均相关系数(回归问题使用)。注意:如果测试集的真实标签实现无法得知,此返回值没有参考价值。
—dec_value:决策值。
3.LIBSVM工具箱在MATLAB平台下的安装
安装LIBSVM工具箱是在MATLAB平台下使用LIBSVM的前提。
- 支持向量机(SupportVector Machine)(一)
- 机器学习(一)支持向量机(Support Vector Machine)
- Machine Learning(七)支持向量机
- 支持向量机(Support Vector Machine)
- 支持向量机(Support Vector Machine)
- Support Vecor Machine(支持向量机)
- 支持向量机(Support Vector Machine)
- Machine Learning第七讲[支持向量机] --(一)最大间隔分类
- 机器学习技法总结(一):支持向量机(linear support vector machine,dual support vector machine)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- 支持向量机(一)
- android context类提供的openFileOutput()方法
- Masonry介绍与使用实践:快速上手Autolayout
- GPIO_Mode
- 计算机4大核心课程
- [LeetCode] Palindrome Number
- 支持向量机(SupportVector Machine)(一)
- dos下编译执行java程序遇到的问题
- c++中双引号的有什么作用
- iOS_清除xcode编译器的缓存
- 感受“双11”
- iOS NSDate NSCanlendar NSComponent 概念讲解
- MFC radio单选按钮设置组属性
- 学会总结才能有进步
- .vsd转.eps