如何转成libsvm支持的数据格式并做回归分析

最新推荐文章于 2019-04-15 19:33:20 发布

大兰子小丸子

最新推荐文章于 2019-04-15 19:33:20 发布

阅读量8.3k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： matlab regression 文章标签：回归预测 matlab libsvm

本文链接：https://blog.youkuaiyun.com/sinat_28224453/article/details/51517917

本文介绍了在MATLAB中利用libsvm进行回归分析的步骤，包括数据转换、选择RBF核函数、数据归一化和参数优化。通过归一化处理和参数调优，将2006-2008年的电力负荷数据用于预测2009年的电力负荷，降低预测误差。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在matlab中安装好libsvm包（过程请见 matlab 安装 libsvm 做回归分析）后，我们来用libsvm做一个回归。

本次实验的数据是来自老师给的2006-2008年的日期，24小时的温度、电力负荷数据，以及2009年的日期，24小时的温度数据，目的是预测2009年每天24小时的电力负荷，实验数据本文不予给出。

用libsvm进行预测的步骤大体是：将数据进行归一化处理，并转换成livsvm需要的格式，然后进行参数择优，用选的最佳参数使用2006-2008 3年的数据建立模型，再用该模型预测2009年的电力负荷。实际过程中，我先用2006-2007年的数据建模，预测2008年的数据，以得到测试误差。事实证明，用2006-2007 两年的数据建模来预测2008年的电力负荷，效果要比单用2007年的数据建模预测2008年的电力负荷的效果好。所以最终我是用2006-2008 三年的数据进行建模，来预测。

libsvm训练模型时，设置的参数有：
-s SVM类型，取值有 0,1,2,3,4 回归的话选3或4.
-t 核函数类型，取值有0,1,2,3 0是线性核函数，1是多项式核函数，2是RBF径向基核函数，3是sigmoid 核函数。
-g gamma,这是针对多项式、RBF、sigmoid 核函数才有的参数选项。默认是1/k，k是属性数/类别数。
-c 为 c-SVC、e-SVR 和 nu-SVR 设置的损失函数，默认为1.

详细的参数描述见 LIBSVM使用方法及参数设置（转）。

下面是进行回归预测的步骤：

1.将数据转换成libsvm需要的格式

数据格式需要：

target属性	第1个属性：值	第2个属性：值	…
2	1:7	2:5	…
1	1:4	2:2	…

即如果是分类问题的话，第一列是类别属性。

在网上下载一个 write4libsvm.m 格式转换程序，在matlab中直接运行，然后选择需要转换的数据文件即可，非常简便易用。

write4libsvm.m

function write4libsvm 
% 为了使得数据满足libsvm的格式要求而进行的数据格式转换 注意原始格式是mat的数据格式，转化成txt或者dat都可以。
% 原始数据保存格式为: 
%             [标签 第一个属性值 第二个属性值...] 
% 转换后文件格式为满足libsvm的格式要求，即: 
%             [标签 1:第一个属性值 2:第二个属性值 3:第三个属性值 ...] 
% Genial@ustc 
% 2004.6.16 
[filename, pathname] = uigetfile( {
  
  '*.mat', ... 
       '数据文件(*.mat)'; ... 
       '*.*',                   '所有文件 (*.*)'}, ... 
   '选择数据文件'); 
try 
   S=load([pathname filename]); 
   fieldName = fieldnames(S); 
   str = cell2mat(fieldName); 
   B = getfield(S,str); 
   [m,n] = size(B); 
   [filename, pathname] = uiputfile({
  
  '*.txt;*.dat' ,'数据文件(*.txt;*.dat)';'*.*','所有文件 (*.*)'},