matlab-支持向量機包及用法

1、chapter one: matlab高級版本中自帶的svm函數(shù)我現(xiàn)在使用的 matlab版本為 matlab 7.6.0(R2008a)這個版本中已經(jīng)自帶 svm算法，分別為生 物信息工具箱(bioinformatics toolbox )中svmclassify函數(shù)和svmtrain函數(shù)，為上下級關(guān)系。SVMStruct=svmtrain(Training,Group)%svmtrain的輸入為樣本點training 和樣本的分類情況group，輸出為一個分類器 svmstruct.核函數(shù)，核參數(shù)，和計算方法等都是可選的，如SVMStruct = svmtrain(, Kernel_Fun

2、ctionKernel_FunctionV alue,)但是切記切記一定要成對出現(xiàn)。然后，將分類器和testing sample帶入svmclassify中，可以得到分類結(jié)果和準確度。舉個例子哈svmStruct=svmtra in( data(tra in ,:),groups(tra in),Kernel_Function ，rbf ,Kernel_FunctionValue , 5 , showplot ,true);%用了核寬為5的徑向基核，且要求作圖%這里我覺得原作者的寫法有誤，應該是svmStruct = svmtrai n(data(trai n,:),groups(trai n

3、),.Kernel_Fu nctio n,rbf,RBF_Sigma,5,showplot,true);classes = svmclassify(svmStruct,data(test,:), showplot ,true);%要求輸出檢測樣本點的分類結(jié)果，且畫圖表示。tip 1:有歸一化scale功能，可以通過調(diào)參數(shù)實現(xiàn)tip 2:計算方法可選 qp,smo,lstip 3:有個關(guān)于soft margin的盒子條件，我不太明白是干嘛的，誰懂得話，就給我講講哈tip 4:畫出來的圖很難看to sum up:挺好的 chapter two:我最早使用的工具箱 SVM and Kernel Me

4、thods Matlab Toolbox2005年法國人寫的，最近的更新為20/02/2008下載的地址為 http:/asi.i nsa-roue n.fr/e nseig nan ts/arakotom/toolbox/i ndex.html這是我最早開始用的一個工具箱，我很喜歡，到現(xiàn)在還是，對于svm的初學者是個很好的toolbox.有詳細的說明和很多的demo和例子，包含現(xiàn)今幾乎所有的有關(guān)svm的成熟算法和數(shù)據(jù)預處理方法（pca及小波等）。最最重要的是有回歸！! ！且函數(shù)簡單，容易改動延伸。最近我在弄模糊支持向量機，弄不出來，折騰的快死人了，那天突然發(fā)現(xiàn)其實在這個包的一 個程序中改動下

5、就可以達到模糊的效果了，開心啊。且有多分類且畫出來的圖好看。強烈推薦說下包中最重要的幾個函數(shù)svmreg svmclass svmval其中，svmreg和svmclass的功能分別為訓練出回歸函數(shù)和分類器Svmval將回歸函數(shù)或分類器帶入，對新樣本點進行估計Chapter three:最富盛名的 libsvm本文來自：高校自動化網(wǎng)（W）詳細出處參考（轉(zhuǎn)載請保留本鏈接）：業(yè)界很有名的一個包，主要是有各種各樣的借口，現(xiàn)在最新的到python主頁及下載地址：http:/www.csie .n .tw/cjli n/libsvm/但是，說實話呢，我真是用的不怎么上手 首先，實在是不怎么好

6、篡改其次，參數(shù)調(diào)起來挺麻煩。但是有很詳細的 guide book和例子且主頁上的例子很生動，隨便點幾下，就可以看到分類器產(chǎn)生的過程和效果。業(yè)界用的非常多，應該svm在應用領(lǐng)域影響力最大的一個包了據(jù)說（according to諾，井博士）linux下非常非常好使。Chapter four: osu-svm matlab toolbox下載地址：http:/sourceforge. net/projects/svm/覺得和libsvm沒什么太大的差別好像可以看到更有多分類且可以生成個階梯圖，我覺得這種圖要比普通的分類平面圖好些,多的信息。、Chapter five : spider mach ine lear ning matlab toolbox主頁：http:/sourceforge. net/projects/svm/那個是相當cool啊包括了迄今為止較為常用的mach ine lear n