SVM实现（二次规划求解）

最新推荐文章于 2025-04-19 14:57:22 发布

QIN_08

最新推荐文章于 2025-04-19 14:57:22 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： machine learning 文章标签： svm

本文链接：https://blog.youkuaiyun.com/diskdj/article/details/51319429

machine learning 专栏收录该内容

9 篇文章

订阅专栏

本文通过MATLAB代码演示了线性可分支持向量机的实现过程，包括数据生成、训练模型及绘制分类边界等步骤。该示例使用了简单的二维数据集并借助二次规划求解最优分类器。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

%线性可分支持向量机

clear;
clc;

%load data
n=50;
x1=randn(2,n);
y1=ones(1,n);
x2=4+randn(2,n);
y2=-ones(1,n);
y3=zeros(1,n);
X=[x1,x2];
Y=[y1,y2];
plot(x1(1,:),x1(2,:),'g*',x2(1,:),x2(2,:),'mp');
hold on;

%二次规划求解
Q=length(Y);
%for i=1:Q
%   for j=1:Q
%       H(i,j)=dot(X(:,i),X(:,j));
%   end
%end

K = X'*X;
T = Y'*Y;
H = K.*T;  


f=-ones(Q,1);
A=[];
b=[];
Aeq=Y;
beq=0;
lb=zeros(Q,1);
ub=1*ones(Q,1);
aerfa=quadprog(H,f,A,b,Aeq,beq,lb,ub);

epsilon=1e-6;
J=find(aerfa>epsilon);
plot(X(1,J),X(2,J),'ro');

%求解w,b
w=[0;0];
for i=1:Q
    w=w+Y(i)*aerfa(i)*X(:,i);
end


BQ=0;
for i=1:Q
    BQ=BQ+Y(i)*aerfa(i)*dot(X(:,i),X(:,J(1)));
end
B=Y(J(1))-BQ;
plotpc(w',B);

grid on;
xlabel('x1');
ylabel('x2');
hold off;