如何使用libsvm进行分类

 我来答
jsntr88
高粉答主

2016-01-29 · 醉心答题,欢迎关注
知道顶级答主
回答量:6.5万
采纳率:91%
帮助的人:6599万
展开全部
  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。
  一、属性矩阵和标签:
  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

  男生1 身高:176cm 体重:70kg;
男生2 身高:180cm 体重:80kg;
女生1 身高:161cm 体重:45kg;
女生2 身高:163cm 体重:47kg;
  如果将男生定义为1,女生定义为-1,并将上面的数据放入矩阵data中,即
  data = [176 70;

  180 80;

  161 45;

  163 47];
  复制代码
  在label中存入男女生类别标签(1、-1),即
  label = [1;1;-1;-1];
  复制代码
  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)。
  二、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:
  model = svmtrain(label,data);
  复制代码
  有了model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
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]; 由于其标签不知道,假设其标签为-1(也可以假设为1)
  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:
  [predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model)
  复制代码
  下面整体运行一下上面这段的背景数据和代码:
  data = [176 70;

  180 80;

  161 45;

  163 47];

  label = [1;1;-1;-1];
  model = svmtrain(label,data);
  testdata = [190 85];

  testdatalabel = -1;
  [predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model);

  predictlabel
  复制代码
  运行结果如下:
  Accuracy = 0% (0/1) (classification)

  predictlabel =

  
  
  
  
微测检测5.10
2023-05-10 广告
您好!建议咨 深圳市微测检测有限公司,已建立起十余个专业实验室,企业通过微测检测就可以获得一站式的测试与认 证解决方案;(EMC、RF、MFi、BQB、QI、USB、安全、锂电池、快充、汽车电子EMC、汽车手机互 联、语音通话质量),认证遇... 点击进入详情页
本回答由微测检测5.10提供
山水阿锐
推荐于2016-02-10 · TA获得超过34.3万个赞
知道顶级答主
回答量:23.7万
采纳率:91%
帮助的人:3.2亿
展开全部
%% HowToClassifyUsingLibsvm
% by faruto @ faruto's Studio~
% http://blog.sina.com.cn/faruto
% Email:faruto@163.com
% http://www.matlabsky.com
% http://www.mfun.la
% http://video.ourmatlab.com
% last modified by 2010.12.27
%% a litte clean work
tic;
close all;
clear;
clc;
format compact;
%%

% 首先载入数据
load heart_scale;
data = heart_scale_inst;
label = heart_scale_label;

% 选取前200个数据作为训练集合,后70个数据作为测试集合
ind = 200;
traindata = data(1:ind,:);
trainlabel = label(1:ind,:);
testdata = data(ind+1:end,:);
testlabel = label(ind+1:end,:);

% 利用训练集合建立分类模型
model = svmtrain(trainlabel,traindata,'-s 0 -t 2 -c 1.2 -g 2.8');

% 分类模型model解密
model
Parameters = model.Parameters
Label = model.Label
nr_class = model.nr_class
totalSV = model.totalSV
nSV = model.nSV

% 利用建立的模型看其在训练集合上的分类效果
[ptrain,acctrain] = svmpredict(trainlabel,traindata,model);

% 预测测试集合标签
[ptest,acctest] = svmpredict(testlabel,testdata,model);

%%
toc;

运行结果:

model =

Parameters: [5x1 double]

nr_class: 2

totalSV: 197

rho: 0.0583

Label: [2x1 double]

ProbA: []

ProbB: []

nSV: [2x1 double]

sv_coef: [197x1 double]

SVs: [197x13 double]

Parameters =

0

2.0000

3.0000

2.8000

0

Label =

1

-1

nr_class =

2

totalSV =

197

nSV =

89

108

Accuracy = 99.5% (199/200) (classification)

Accuracy = 68.5714% (48/70) (classification)

Elapsed time is 0.040873 seconds.

>>
本回答被提问者和网友采纳
已赞过 已踩过<
你对这个回答的评价是?
评论 收起
推荐律师服务: 若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询

为你推荐:

下载百度知道APP,抢鲜体验
使用百度知道APP,立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。
扫描二维码下载
×

类别

我们会通过消息、邮箱等方式尽快将举报结果通知您。

说明

0/200

提交
取消

辅 助

模 式