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：

( F3 i# W+ Y. K! N例子：

先导入数据：
  M; P: O. i* F4 M# B
- \" n' x2 {9 g# \7 P

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

[color=rgb(51, 102, 153) !important]复制代码
1 C) J$ M* p& R4 t% X# S创建一个SVM模版：

• t = templateSVM('Standardize',1)
  ) t; y" H: W. i

8 c9 b  Y4 F/ a7 x' r% B( g. q! T[color=rgb(51, 102, 153) !important]复制代码
% y. x( p, k$ P$ X7 Q/ F

1 g' Y6 F  r8 g: K" Z训练这个分类器，这是14b新推出的功能：
: n/ ~5 m8 y, s- f
) _+ D9 f9 h) e3 ~& P' B) j& E, e

• Mdl = fitcecoc(X,Y,'Learners',t,...
•     'ClassNames',{'setosa','versicolor','virginica'});
  / k$ g: J- o+ B8 P! D$ Y2 r5 K2 g

5 y# i6 T8 t& o. P' ?+ \- [[color=rgb(51, 102, 153) !important]复制代码
# ?! J8 v6 Z/ v) \5 {6 Z' q
! X) q, c0 ?+ D* R
# T2 @# ^9 m9 E3 r% }5 N训练好以后，可以验证SVM模型：
. X, m4 w. F- ]0 A$ t' f
2 h+ @, D6 _3 ?  u1 H

• CVMdl = crossval(Mdl);
  

8 s, d& |  g  P- ]* F[color=rgb(51, 102, 153) !important]复制代码

! L- C5 S8 p& j1 o7 S显示验证的结果：

• oosLoss = kfoldLoss(CVMdl)
  

[color=rgb(51, 102, 153) !important]复制代码


对于这个分类器，我们的验证结果是：
  O7 T: t- L5 l8 \. h  @
; L* ]3 k! v' C, yoosLoss =    0.0400
1 |3 f' E; A5 k% U. E  T. [' `
这表明分类的效果很好！

Heaven_1

分类器常用