关于SVM神经网络中svmtrain函数的一个小问题

zzz.dan · 发表于 2021-3-12 13:48

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

close all;
clear;
clc;
format compact;

% 载入测试数据wine,其中包含的数据为classnumber = 3,wine:178*13的矩阵,wine_labes:178*1的列向量
load chapter12_wine.mat;

% 画出测试数据的box可视化图
figure;
boxplot(wine,'orientation','horizontal','labels',categories);
title('wine数据的box可视化图','FontSize',12);
xlabel('属性值','FontSize',12);
grid on;

% 画出测试数据的分维可视化图
figure
subplot(3,5,1);
hold on
for run = 1:178
plot(run,wine_labels(run),'*');
end
xlabel('样本','FontSize',10);
ylabel('类别标签','FontSize',10);
title('class','FontSize',10);
for run = 2:14
subplot(3,5,run);
hold on;
str = ['attrib ',num2str(run-1)];
for i = 1:178
plot(i,wine(i,run-1),'*');
end
xlabel('样本','FontSize',10);
ylabel('属性值','FontSize',10);
title(str,'FontSize',10);
end

% 选定训练集和测试集

% 将第一类的1-30,第二类的60-95,第三类的131-153做为训练集
train_wine = [wine(1:30,

;wine(60:95,

;wine(131:153,

];
% 相应的训练集的标签也要分离出来
train_wine_labels = [wine_labels(1:30);wine_labels(60:95);wine_labels(131:153)];
% 将第一类的31-59,第二类的96-130,第三类的154-178做为测试集
test_wine = [wine(31:59,:);wine(96:130,:);wine(154:178,:)];
% 相应的测试集的标签也要分离出来
test_wine_labels = [wine_labels(31:59);wine_labels(96:130);wine_labels(154:178)];

[mtrain,ntrain] = size(train_wine);
[mtest,ntest] = size(test_wine);

dataset = [train_wine;test_wine];
% mapminmax为MATLAB自带的归一化函数
[dataset_scale,ps] = mapminmax(dataset',0,1);
dataset_scale = dataset_scale';

train_wine = dataset_scale(1:mtrain,:);
test_wine = dataset_scale( (mtrain+1)

mtrain+mtest),: );
%SVM网络训练
model = svmtrain(train_wine_labels, train_wine, '-c 2 -g 1');
%SVM网络预测
[predict_label, accuracy] = svmpredict(test_wine_labels, test_wine, model);

% 测试集的实际分类和预测分类图% 通过图可以看出只有一个测试样本是被错分的figure;hold on;plot(test_wine_labels,'o');
plot(predict_label,'r*');xlabel('测试集样本','FontSize',12);
ylabel('类别标签','FontSize',12);legend('实际测试集分类','预测测试集分类');
title('测试集的实际分类和预测分类图','FontSize',12);grid on;

【运行出现的问题】
??? Error using ==> svmtrain at 172
Group must be a vector.
Error in ==> chapter12 at 60
model = svmtrain(train_wine_labels, train_wine, '-c 2 -g 1');

zzz.dan · 发表于 2021-3-12 14:36

蹲一个大神

勇往直前11 · 发表于 2021-3-12 15:05

在命令行下面输入：

whos train_wine_labels

whos train_wie

这样你可以知道参数的类别,该错误信息提醒你参数必须为向量才可以。

小白的白 · 发表于 2021-3-12 16:03

载入测试数据wine,其中包含的数据为classnumber = 3,wine:178*13的矩阵,wine_labes:178*1的列向量

因为原始数据wine是矩阵，而不是向量所以运行whos train_wine后如下显示
>> whos train_wine
Name Size Bytes Class Attributes

train_wine 89x13 9256 double

那么此例中的svmtrain函数就不能应用了么？？必须要改原始数据吗？？

帐号		自动登录	找回密码
密码			注册

关于SVM神经网络中svmtrain函数的一个小问题

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1