svmtrain和svmpredict简介回归、分类

1、精选优质文档-倾情为你奉上精选优质文档-倾情为你奉上专心-专注-专业专心-专注-专业精选优质文档-倾情为你奉上专心-专注-专业svmtrain和svmpredict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表示训练集的标签。train_matrix表示训练集的属性矩阵。libsvm_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

2、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

3、，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。libsvm_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）。decision_values/prob_estimates：第三个返回值，一个矩阵包含决策的值或者概率估计。对于n个预测样本、k类的问题，

4、如果指定“-b 1”参数，则n x k的矩阵，每一行表示这个样本分别属于每一个类别的概率；如果没有指定“-b 1”参数，则为n x k*(k-1)/2的矩阵，每一行表示k(k-1)/2个二分类SVM的预测结果。(3) 训练的参数LIBSVM训练时可以选择的参数很多，包括：-s svm类型：SVM设置类型（默认0)0 C-SVC； 1 v-SVC； 2 一类SVM； 3 e-SVR； 4 v-SVR-t 核函数类型：核函数设置类型（默认2）0 线性核函数：uv 1 多项式核函数：（r*uv + coef0)degree2 RBF(径向基)核函数：exp(-r|u-v|2）3 sigmoid核函数

5、：tanh(r*uv + coef0)-d degree：核函数中的degree设置（针对多项式核函数）（默认3）-g r(gamma）：核函数中的gamma函数设置（针对多项式/rbf/sigmoid核函数）（默认1/k，k为总类别数)-r coef0：核函数中的coef0设置（针对多项式/sigmoid核函数）（默认0)-c cost：设置C-SVC，e -SVR和v-SVR的参数（损失函数）（默认1）-n nu：设置v-SVC，一类SVM和v- SVR的参数（默认0.5）-p p：设置e -SVR 中损失函数p的值（默认0.1）-m cachesize：设置cache内存大小，以MB为单位（默认40）-e eps：设置允许的终止判据（默认0.001）-h shrinking：是否使用启发式，0或1（默认1）-wi weight：设置第几类的参数C为weight*C (C-SVC中的C) （默认1）-v n: n-fold交互检验模式，n为fold的个数，必须大于等于2以上这些参数设置