Question

如何使用libsvm进行分类

Answer 1

　　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 =

　　
　　
　　
　　

Answer 2

%% 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.

>>