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：

例子：

& t% t: L' \5 k) Y( m先导入数据：
  v! Q$ a" w0 S4 `& o
' L' Y% s, X, x/ T  E( }

• load fisheriris
• X = meas;
• Y = species;
  # }6 ~. ?9 l' v

$ I5 K* y( K, X+ [1 D9 K; I% a[color=rgb(51, 102, 153) !important]复制代码
1 J$ g8 v/ K' x0 ?1 C& X创建一个SVM模版：

  m! s% R( X8 h# V  J! Y8 w/ R! N

• t = templateSVM('Standardize',1)
  

8 ~0 X5 k0 M( M& Y/ D' ^/ f- [[color=rgb(51, 102, 153) !important]复制代码

: S1 g: T6 E, c: c) z
训练这个分类器，这是14b新推出的功能：
  i8 [/ K2 o1 Y9 E! U# E3 ]
9 ~% l# E( i9 O3 X. V* h7 z" f1 q

• Mdl = fitcecoc(X,Y,'Learners',t,...
•     'ClassNames',{'setosa','versicolor','virginica'});
  8 i7 W% i. |! T1 j7 P) i0 @  i* j+ `

[color=rgb(51, 102, 153) !important]复制代码
/ ?) P3 l% @: z3 p0 i4 M/ I1 s

训练好以后，可以验证SVM模型：

• CVMdl = crossval(Mdl);
  8 z% J; b: K& o8 v  j' J

7 a& r; L2 G1 W) R[color=rgb(51, 102, 153) !important]复制代码
) f3 g4 P' w0 P' L
" S4 o3 }% w% e! k& n) l% h3 N显示验证的结果：

• oosLoss = kfoldLoss(CVMdl)
  ' ?7 A  e1 \) o  g& j% H

- Q, L6 i/ J3 E+ r[color=rgb(51, 102, 153) !important]复制代码
/ u6 q1 q5 V& Y
. A$ r+ Q* ^/ \6 y3 z2 I
对于这个分类器，我们的验证结果是：

oosLoss =    0.0400

6 r9 [3 o( d$ m( y; L0 j这表明分类的效果很好！

Heaven_1

分类器常用