matlab中libsvm的svmtrain函数用法

uqHZau

这里的LIBSVM是一个由台湾大学林智仁(Lin Chih-Jen)教授等开发的SVM模式识别与回归的软件包，使用简单，功能强大，本文主要介绍其在Matlab中的使用。
3 z; Y5 J. a, w, @  @7 X
  M. l  m6 f; E# `! F注意不是matlab自带的svm实现函数，自带的svm实现函数仅支持分类问题，不支持回归问题；而libsvm不仅支持分类问题，亦支持回归问题，参数可调节，功能更强大。

libsvm的配置很简单，只需要下载高级版本的matlab和libsvm，VC或VS编译实现很简单的，这里就不细讲了。
9 }  s) _- o9 |0 J! x# v! K
两个步骤：训练建模——>模型预测

2 F; Z( L7 g! Q! D+ Z' |分类  model = svmtrain(trainlabel, traindata, '-s 0 -t 2 -c 1.2 -g 2.8');
1 v5 J' ?6 B5 S9 d& O9 _* f
9 w5 Z, @9 {8 h  \/ t3 A! p回归  model = svmtrain(trainlabel, traindata, '-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01');
, R! h9 W8 H) k8 g- A0 X
参数说明：

5 _1 |& J- D( |-s svm类型：SVM设置类型(默认0)
, W& K1 N, `2 ~( \! ]　　0 -- C-SVC
" y4 k0 `" }1 e  b" D4 E　　1 --v-SVC
1 O( f& p3 X" }0 C, \+ G　　2 – 一类SVM
　　3 -- e -SVR
$ Q2 k$ r' [5 F　　4 -- v-SVR
6 q8 \* ?1 i9 F) e1 \; p+ p
-t 核函数类型：核函数设置类型(默认2)
　　0 – 线性：u'v
& C4 @/ H! M) V6 F6 o$ i8 M9 i　　1 – 多项式：(r*u'v + coef0)^degree
+ _5 U' h/ b9 r' q　　2 – RBF函数：exp(-r|u-v|^2)
　　3 –sigmoid：tanh(r*u'v + coef0)
* P. y; g/ t1 y2 o
-g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)

-c cost：设置C-SVC，e -SVR和v-SVR的参数(损失函数)(默认1)，惩罚系数
. Q  V' w/ U# v' r9 V% s5 i: T- G
-n nu：设置v-SVC，一类SVM和v- SVR的参数(默认0.5)

-p p：设置e -SVR 中损失函数p的值(默认0.1)
6 P" |; _' X2 L5 O
-d degree：核函数中的degree设置(针对多项式核函数)(默认3)

, z* X  `( r& |) ]; t- E+ ~% }-wi weight：设置第几类的参数C为weight*C(C-SVC中的C)(默认1)

4 ~) R6 X* a. V-v n: n-fold交互检验模式，n为fold的个数，必须大于等于2
+ A* Q' c. S0 J5 U  y! p
7 C/ I- M# a0 h+ [1 n* `$ |, D
2 t5 l( H; C1 t* v$ k3 ?
libsvm使用误区----------------------

(1) 直接将训练集合和测试集合简单归一化到[0,1]区间，可能导致实验结果很差。

( `6 Q6 p* q0 r( f6 A& J" v* S1 J( `(2) 如果样本的特征数非常多，那么就不必使用RBF核将样本映射到高维空间。
a) 在特征数非常多的情况下，使用线性核，结果已经非常好，并且只需要选择参数C即可。
b) 虽然说RBF核的结果至少比线性核好，前提下搜索整个的空间。
6 z- l7 X- {  {/ y" D% D, ?; P(3) 样本数<<特征数的情况：推荐使用线性核，可以达到与RBF同样的性能。
+ |6 O* v0 v& @" q' U
(4) 样本数和特征数都非常多：推荐使用liblinear，更少的时间和内存，可比的准确率。

. F' `$ @8 d2 r(5) 样本数>>特征数：如果想使用线性模型，可以使用liblinear，并且使用-s 2参数
- b& W  ?4 A1 _: d5 j% G3 Z! [



  u" R. M" m, Z# u& a9 O9 Z; ?( Q
2 U2 I$ j7 r- A/ o

CCxiaom

matlab中libsvm的svmtrain函数用法