Matlab的svmtrain从数据集中抽样训练样本和测试样本的方法
2012-04-21 16:25
951 查看
% 装载特征数据 load fisheriris %取数据的前两个属性列 X = [meas(:,1), meas(:,2)]; % 获取Setosa类数据在species中的标记,Y中存储的相应位置的出现或不出现(True or False) Y = nominal(ismember(species,'setosa')); % 随机数据分组为训练组和测试组,测试组占20% % 数据分组(set using stratified holdout) P = cvpartition(Y,'Holdout',0.20); % 使用线性分类器创建svm结构,并训练 svmStruct = svmtrain(X(P.training,:),Y(P.training),'showplot',true); %用测试数据验证训练的分类器性能 C = svmclassify(svmStruct,X(P.test,:),'showplot',true); %统计分类错误率 mis-classification rate errRate = sum(Y(P.test)~= C)/P.TestSize %计算混淆矩阵 the confusion matrix conMat = confusionmat(Y(P.test),C)
相关文章推荐
- caffe 实验中输入数据和label都是图片时,训练或测试数据列表train.txt生成方法(linux指令总结)
- 命令行中的数据挖掘:怎么在比较大的训练集中提取小样本
- HOG+SVM样本训练测试例子
- 将数据划分为训练数据及测试数据(div_train_val.py 解析)
- SVM训练样本方法总结(用于目标识别)
- [深度学习] RCNNs系列(1) Ubuntu下Faster RCNN配置及训练和测试自己的数据方法
- SVM训练样本方法总结(用于目标识别)
- matlab中训练样本随机打乱的方法
- [置顶] 【R 语言 数据抽样】将样本总体分为样本集和测试集
- 使用matlab对训练样本图像降维,并对测试图像使用变换矩阵降维并重构
- 第003篇:ArcGIS中基于矢量样本点制作分类训练样本和测试样本的方法。
- SVM训练样本方法总结(用于目标识别)
- SVM训练样本方法总结(用于目标识别)
- [深度学习] RCNNs系列(1) Ubuntu下Faster RCNN配置及训练和测试自己的数据方法
- R语言样本数据划分(训练数据测试数据)
- 使用matlab对训练样本图像降维,并对测试图像使用变换矩阵降维并重构
- 机器学习方法(七):Kmeans聚类K值如何选,以及数据重抽样方法Bootstrapping
- 数据迁移测试方法【转】
- 二分类SVM方法Matlab实现
- Ubuntu16.04+cuda8.0+cudnn5.1配置faster-rcnn的方法以及训练自己的数据出现的问题