二维SVM的可视化解释
来源:互联网 发布:顺序表逆置算法 编辑:程序博客网 时间:2024/05/22 22:52
二维SVM的可视化解释(数字化图像处理与机器视觉P557)
使用svmtrain( )和svmclassify( )函数解决了一个二维空间的两类问题。
本例使用MATLAB自带的鸢尾属植物数据集来将刚刚学习的SVM训练和分类付诸实践,数据集本身共有150个样本,每个样本为一个4维的特征向量,这4维特征向量意义为:花瓣长度,花瓣宽度,萼片长度,萼片宽度,150个样本分别属于3类鸢尾属植物(每类50个样本)。实验中智勇了前二维特征,这主要是为了便于训练和分类结果的可视化。为了暂时避开多类问题,将样本是哪一类的3类问题变成了样本是不是“setosa”类的两类问题。Matalab代码:
load fisheriris;
data=[meas(:,1),meas(:,2)]; %取出样本的前2维(列)作为特征,并存入data(不需要预先定义类型,自动识别)中。
groups=ismember(species,'setosa'); %转化为“是不是setosa类”的2类问题
[train,test]=crossvalind('holdOut',groups); %利用交叉验证随机分割数据集,train保存训练数据,test保存测试数据。
svmStruct=svmtrain(data(train,:),groups(train),'showplot',true); %利用train中的数据,训练一个线性的支持向量机,训练好的分类保存在svmStruct
classes=svmclassify(svmStruct,data(test,:),'showplot',true); %利用包含训练所得分类器信息的svmStruct对测试样本进行分类,分类结果保存操classes
%计算测试样本的识别率
nCorrect=sum(classes==groups(test,:)); %正确分类的样本数目
accuracy=nCorrect/length(classes); %计算正确率
结果:accuracy=0.9867
0 0
- 二维SVM的可视化解释
- svm有趣的解释
- R语言实现SVM的可视化
- SVM核技巧的经典解释
- 二维图像的三角形变换算法解释
- 二维图像的三角形变换算法解释
- 二维切面可视化
- 基于LIC算法的二维矢量场可视化
- 基于IBFV算法的二维矢量场可视化
- 增强的IBFV二维矢量场可视化算法
- 任意二维矩阵的可视化打印和查询(java)
- 毕业课题之----HOG+SVM相关函数的解释
- Soft Margin SVM可以解释成正则化的model
- SVM分类器的实现(包括交叉验证选择参数,Dlib,可视化)
- 二维卷积详细解释
- SVM 相关公式推导解释
- svm的c++代码编写,二维数据的硬间隔分类
- 可视化 —— 二维平面上的散列点在坐标轴方向上的移动
- Recyclerview的简单使用
- 缓存那些事
- 详谈内存管理技术(一)
- html5初学day2【作业】
- Excel做图像
- 二维SVM的可视化解释
- Python3.5.3下配置opencv3.2.0
- 从RPC开始(二)、序列化
- MySQL中的外键
- 声音采集播放及IIS接口介绍
- 洛谷 P2602 [ZJOI2010]数字计数
- java集合框架
- 继承,菱形继承,多态,虚继承、菱形虚拟继承
- python调用win32实现电脑语音