MATLAB自带的SVM工具对两个类别的分类（binary）支持的非常好

yxlk

在MATLAB 14b之前，MATLAB自带的SVM工具对两个类别的分类（binary）支持的非常好。看到很多会员问如何使用MATLAB自带的SVM工具来实现多个类别的分类。在MATLAB R2014b里，这个功能已经被实现了：
2 x" X( e! C7 m: W2 {% s9 N
例子：
; X7 ?8 \3 B% A$ j! O
先导入数据：
( a" f. }$ p% s+ L' G
& c: Y. [: @  E

• load fisheriris
• X = meas;
• Y = species;
  

& s0 M4 R; N5 [! _2 g[color=rgb(51, 102, 153) !important]复制代码
2 f* k0 z- e2 ~创建一个SVM模版：

  D! f! a  K& b( W) Z& v" a

• t = templateSVM('Standardize',1)
  * ?; ~4 N% R+ s

[color=rgb(51, 102, 153) !important]复制代码
7 H. C1 }$ i  y- B, d. T( B* {5 {6 p
; \- {5 V/ n$ I0 w
8 ]. r5 v# }; o训练这个分类器，这是14b新推出的功能：
1 A8 v8 J& j/ }! @, }) ~) ^
- R. p, {" {) N1 b" L! n3 f6 [# d

• Mdl = fitcecoc(X,Y,'Learners',t,...
•     'ClassNames',{'setosa','versicolor','virginica'});
  

6 N8 t7 g( Z% R4 D) T[color=rgb(51, 102, 153) !important]复制代码

3 Z, Z4 R! i! M# N3 L! ]
训练好以后，可以验证SVM模型：

- ^! l1 \$ y/ y9 A

• CVMdl = crossval(Mdl);
  0 y8 O5 g1 X, {- o* V! _9 k

0 n; g( N: _- t[color=rgb(51, 102, 153) !important]复制代码
! F! Y9 K# P( l* z
9 c8 L5 H. D3 z& i3 N2 j显示验证的结果：
6 E& M* z, \/ ^' q. z3 J' ?

• oosLoss = kfoldLoss(CVMdl)
  - r' b" n- N1 c' R8 f

7 L4 V( y6 X1 O. D. O+ O; _. |[color=rgb(51, 102, 153) !important]复制代码
! s' u; y' t! `- N9 v/ v
$ t7 s4 t' H, D$ b9 F2 y
对于这个分类器，我们的验证结果是：
. ~4 H3 V' r; x6 C2 d* n
oosLoss =    0.0400
. ~3 q3 @$ t5 d+ R5 U& x
) H) A! ~6 m7 |' c- P( D0 f6 o8 b这表明分类的效果很好！

Heaven_1

分类器常用