本文详细介绍了MATLAB中LIBSVM工具箱的使用，包括主要函数svmtrain和svmpredict的调用格式及参数设置。通过示例解释了参数如-svm类型、-t核函数类型、-d度、-g gamma、-r coef0等的含义，并展示了使用heart_scale.mat数据进行分类的实际效果。文章还解析了model对象中的parameters、label、nr_class、totalSV、nSV、sv_coef、SVs和rho等字段的含义，帮助理解SVM决策函数的构建。
支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法可以实现模式分类和非线性回归，本文就matlab中的LIBSVM工具箱展开说明。
在matlab中调用LIBSVM工具箱可以方便的使用LIBSVM网络，台湾大学的林智仁教授已经封装好各方法，大家可以在此下载。
LIBSVM工具箱的主要函数为svmtrain和svmpredict，调用格式为
model = svmtrain(train_lable,train_data,options);
[predict_lable,accuracy/mse,dec_value] = svmpredict(test_lable,test_data,model);
svmtrain:
最低0.47元/天 解锁文章
扫一扫
525
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
