matlab下的LIBSVM的使用公开课.ppt

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

matlab下的LIBSVM的使用公开课

Contents1.2.3.使用4.总结

简介LIBSVM是台湾大学林智仁(LinChih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包。该软件提供了编译好的可在Windows系列系统的执行文件,还提供了源代码,方便改进、修改以及在其它操作系统上应用且对SVM所涉及的参数调节相对比较少,提供了很多的默认参数,利用这些默认参数可以解决很多问题并提供了交互检验(CrossValidation)的功能

该软件包可在://csie.ntu.edu.tw/~cjlin/获得。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题,包括基于一对一算法的多类模式识别问题。

安装下载之后设置路径FILE——SetPath——Addwithsubfoders——选择所在文件夹

选择编译器libsvm的原始版本使用C++写的,为了在matlab平台下使用,需要用C++编译器编译,生成类似于.m文件的.mexw32文件。这里要说明matlab自带一个C编译器Lcc_win32C,但此处需要C++编译器。matlab支持的编译器列表:

选择编译器mex-setup命令

编译make命令编译后文件夹中会出现多个svmtrain.mexw32、svmpredict.mexw32等文件。.mexw32文件是加密文件,打开为乱码。运行help对这些函数无效然后便可使用工具箱

使用参数设置主要函数

主要参数设置-s(默认0)——SVM类型选择0--CSVC(分类问题)1--nu-SVC(分类问题,引入一个新的参数nu)2--one-classSVM(做分布估计)3--epsilon-SVR(回归问题)4--nu-SVR

主要参数设置-t(默认2)——选择核函数0--线性核函数:u*v1--多项式核函数:(gamma*u*v+coef0)^degree-ggamma(默认为属性数目的倒数)-rcoef0(默认0)-ddegree(默认3)2--RBF核函数:exp(-gamma*|u-v|^2)-ggamma(默认为属性数目的倒数)——很敏感3--sigmoid核函数:tanh(gamma*u*v+coef0)-ggamma(默认为属性数目的倒数)-rcoef0(默认0)4--预定义核函数(指定核矩阵)

主要参数设置-wi:(默认1)只能在模型C-SVC模型中使用设置第几类的参数C的weight*C(C-SVC中的C)当某一类样本数目比较少时,可以给其设置较大的惩罚参数,提高这一类样本的分类准确率。如model=svmtrain(label,data,-c1-w12-w-10.5)标签1的样本惩罚参数为2标签为-1的样本惩罚参数为0.5

主要参数设置-v(一般选择5或10)交叉检验,参数必须大于2当使用此参数时,返回的结果不再是一个结构体model分类问题,返回的是交叉检验下的平均分类准且率回归问题,返回的是交叉检验下的平均均方差误差

测试数据及格式测试数据集libsvm官方提供的测试数据格式是C++版本使用的,需要使用libsvmread进行格式转换UCI数据集等格式标签属性编号1:属性值1属性编号2:属性值2如:+11:0.782:13:1........

分类问题两个主要函数svmtrainmodel=svmtrain(trainLabel,trainInstance,参数)svmpredict[predictLabel,accuracy,value]=svmpredict(testLabel,testInstance,model)

总结--未来计划精细的调节各种svm参数以达到更好的实验效果加入其他特征,并在试验阶段确定每种特征对于各个类别的不同的权重,并把此作为先验知识加入知识库。在后续的训练过程中,应用到知识库中的这个知识。

ThankYou!

文档评论(0)

dalianzi + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档