svmtrain和svmpredict簡(jiǎn)介回歸、分類

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)svmtrain和svmpredict簡(jiǎn)介 分類:SVM本文主要介紹了SVM工具箱中svmtrain和svmpredict兩個(gè)主要函數(shù)：(1)model= svmtrain(train_label, train_matrix, libsvm_options);其中：train_label表示訓(xùn)練集的標(biāo)簽。train_matrix表示訓(xùn)練集的屬性矩陣。libsvm_options是需要設(shè)置的一系列參數(shù)，各個(gè)參數(shù)可參見libsvm 參數(shù)說(shuō)明.txt，里面介紹的很詳細(xì)，中英文

2、都有的。如果用回歸的話，其中的-s參數(shù)值應(yīng)為3。model:是訓(xùn)練得到的模型，是一個(gè)結(jié)構(gòu)體（如果參數(shù)中用到-v，得到的就不是結(jié)構(gòu)體，對(duì)于分類問(wèn)題，得到的是交叉檢驗(yàn)下的平均分類準(zhǔn)確率；對(duì)于回歸問(wèn)題，得到的是均方誤差）。(2)predicted_label, accuracy/mse,decision_values/prob_estimates=svmpredict(test_label, test_matrix, model, libsvm_options);其中：test _label表示測(cè)試集的標(biāo)簽（這個(gè)值可以不知道，因?yàn)樽黝A(yù)測(cè)的時(shí)候，本來(lái)就是想知道這個(gè)值的，這個(gè)時(shí)候，隨便制定一個(gè)值就可以了

3、，只是這個(gè)時(shí)候得到的mse就沒(méi)有意義了）。test _matrix表示測(cè)試集的屬性矩陣。model 是上面訓(xùn)練得到的模型。libsvm_options是需要設(shè)置的一系列參數(shù)。predicted_label表示預(yù)測(cè)得到的標(biāo)簽。accuracy/mse是一個(gè)3*1的列向量，其中第1個(gè)數(shù)字用于分類問(wèn)題，表示分類準(zhǔn)確率；后兩個(gè)數(shù)字用于回歸問(wèn)題，第2個(gè)數(shù)字表示mse；第三個(gè)數(shù)字表示平方相關(guān)系數(shù)（也就是說(shuō)，如果分類的話，看第一個(gè)數(shù)字就可以了；回歸的話，看后兩個(gè)數(shù)字）。decision_values/prob_estimates：第三個(gè)返回值，一個(gè)矩陣包含決策的值或者概率估計(jì)。對(duì)于n個(gè)預(yù)測(cè)樣本、k類的問(wèn)題，

4、如果指定“-b 1”參數(shù)，則n x k的矩陣，每一行表示這個(gè)樣本分別屬于每一個(gè)類別的概率；如果沒(méi)有指定“-b 1”參數(shù)，則為n x k*(k-1)/2的矩陣，每一行表示k(k-1)/2個(gè)二分類SVM的預(yù)測(cè)結(jié)果。(3) 訓(xùn)練的參數(shù)LIBSVM訓(xùn)練時(shí)可以選擇的參數(shù)很多，包括：-s svm類型：SVM設(shè)置類型（默認(rèn)0)0 C-SVC； 1 v-SVC； 2 一類SVM； 3 e-SVR； 4 v-SVR-t 核函數(shù)類型：核函數(shù)設(shè)置類型（默認(rèn)2）0 線性核函數(shù)：uv 1 多項(xiàng)式核函數(shù)：（r*uv + coef0)degree2 RBF(徑向基)核函數(shù)：exp(-r|u-v|2）3 sigmoid核函數(shù)

5、：tanh(r*uv + coef0)-d degree：核函數(shù)中的degree設(shè)置（針對(duì)多項(xiàng)式核函數(shù)）（默認(rèn)3）-g r(gamma）：核函數(shù)中的gamma函數(shù)設(shè)置（針對(duì)多項(xiàng)式/rbf/sigmoid核函數(shù)）（默認(rèn)1/k，k為總類別數(shù))-r coef0：核函數(shù)中的coef0設(shè)置（針對(duì)多項(xiàng)式/sigmoid核函數(shù)）（默認(rèn)0)-c cost：設(shè)置C-SVC，e -SVR和v-SVR的參數(shù)（損失函數(shù)）（默認(rèn)1）-n nu：設(shè)置v-SVC，一類SVM和v- SVR的參數(shù)（默認(rèn)0.5）-p p：設(shè)置e -SVR 中損失函數(shù)p的值（默認(rèn)0.1）-m cachesize：設(shè)置cache內(nèi)存大小，以MB為單位（默認(rèn)40）-e eps：設(shè)置允許的終止判據(jù)（默認(rèn)0.001）-h shrinking：是否使用啟發(fā)式，0或1（默認(rèn)1）-wi weight：設(shè)置第幾類的參數(shù)C為weight*C (C-SVC中的C) （默認(rèn)1）-v n: n-fold交互檢驗(yàn)?zāi)Ｊ?，n為fold的個(gè)數(shù)，必須大于等于2以上這些參數(shù)設(shè)置