本文介绍了一个利用LIBSVM解决葡萄酒种类多分类问题的案例。通过对wine数据集进行预处理，包括选择训练集和测试集，以及归一化处理，探讨了归一化方法和不同核函数对分类准确率的影响。实验结果表明，线性核、多项式核和径向基函数核在分类中表现出高准确率，而sigmoid核的表现则相对较差。
3.1 原始数据分析
1）测试数据为：wine data set，储存在chapter_WineClass.mat。classnumer = 3;wine,记录了178个样本的13个属性；wine_labels.178×1，记录了178个样本的各自类别标签。
2）数据的可视化：13个指标的属性值即数据的箱式图；数据的分维可视化图。
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
|
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
