-
svmtrain
和
svmpredict
p>
简介
分类
:SVM
本文主要介绍了
SVM
工具箱中
svmtrain
和
svmpredict
两个主要函
数:
(1)model= svmtrain(train_label,
train_matrix,
['libsvm_options']);
其中:
train_label
p>
表示训练集的标签。
train_mat
rix
表示训练集的属性矩阵。
li
bsvm_options
是需要设置的一系列参数,各个参数可参见《
libsvm
参数说明
.txt
》,里面介绍的很详细,中英文都有的。
如果用
回归的话,
其中的
-s
参数值应为
3
。
model:
是训练得
到的模型,是一个结构体(如果参数中用到
-v
,得到的就
p>
不是结构体,对于分类问题,得到的是交叉检验下的平均分类准确
率
;对于回归问题,得到的是均方误差)。
(2)[predicted_label,
accuracy/mse,decision_values/prob_estimates]
=svmpredict(test_label, test_matrix,
model,
['libsvm_options']);
其中:
test _label
p>
表示测试集的标签(这个值可以不知道,因为作预测的时候,
本来就
是想知道这个值的,这个时候,随便制定一个值就可以
了,只是这个时候得到的
mse
就没有意义了)。
test
_matrix
表示测试集的属性矩阵。
model
是上面训练得到的模型。
libsv
m_options
是需要设置的一系列参数。
predicted_label
表示预测得到的标签。
accuracy/mse
是一个
3*1
的列向量,其中第
1
个数字用
于分类问题,
表示分类准确率;后两个数字用于回归问题,第
2
个数字
表示
mse
;第三个数字表示平方相关系数(也就是说,如
果分类的话,看第一个数字就可以了
;回归的话,看后两
个数字)。
de
cision_values/prob_estimates
:第三个返回值,一个矩
阵包含决策
-
-
-
-
-
-
-
-
-
上一篇:一模前完形填空专题练01(解析版)
下一篇:美国大学管理学博士申请个人陈述范文