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：
7 A+ v2 C1 `, f+ ?6 {3 N# c8 x9 p& O
: B, j/ X1 j& M: S7 Y例子：

先导入数据：
- @$ K3 K% y# x7 U
6 @, v& \3 w9 J- k$ H

• load fisheriris
• X = meas;
• Y = species;
  ! h0 o" D1 C* k3 p! s6 @: A

[color=rgb(51, 102, 153) !important]复制代码
! o2 C9 ~, e% D: ^创建一个SVM模版：
5 `4 w' H  {; h: L/ j3 b3 d5 F

• t = templateSVM('Standardize',1)
  

[color=rgb(51, 102, 153) !important]复制代码
. c/ g: P( X9 Z  \6 d3 ~3 U

训练这个分类器，这是14b新推出的功能：

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

9 I3 g: ~1 P3 t  J[color=rgb(51, 102, 153) !important]复制代码
, M8 N  ^' V! x* B- v$ ]. x
1 q* Y, C& x: C
' n7 o8 a7 I# A8 A3 D$ W训练好以后，可以验证SVM模型：
* w" Q3 S7 x" a4 d0 b! I6 w
1 G/ j8 d+ r0 c, P$ G

• CVMdl = crossval(Mdl);
  : z3 |# P; \6 E/ N

& g7 u! v1 h# B/ q[color=rgb(51, 102, 153) !important]复制代码
- M0 Z' U4 ~6 `
显示验证的结果：

• oosLoss = kfoldLoss(CVMdl)
  

[color=rgb(51, 102, 153) !important]复制代码
, ~+ K! g" G4 ]" Q/ K/ m' U
1 P/ t0 P# q. v1 S7 _. q$ i
- i( l3 _: m3 m( L$ a. @7 W; G3 x对于这个分类器，我们的验证结果是：

oosLoss =    0.0400
. j6 w. f9 D7 s$ H- V
* i1 g+ j2 G2 ]* G8 S- S6 F这表明分类的效果很好！

Heaven_1

分类器常用