matlab下的LIBSVM的使用公开课

matlab下的LIBSVM的使用公开课Contents

1.

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://.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