LibLinear(SVM包)的MATLAB安装
2015-06-19 18:27
1096 查看
LibLinear(SVM包)的MATLAB安装
1 LIBSVM介绍
LIBSVM是众所周知的支持向量机分类工具包(一些支持向量机(SVM)的开源代码库的链接及其简介),运用方便简单,其中的核函数(常用核函数-Kernel Function)可以自己定义也可以默认。但是对一些大数据来说,有没有非线性映射,他们的性能差不多。如果不使用核,我们可以用线性分类或者回归来训练一个更大的数据集。这些数据往往具有非常高维的特征,例如文本分类Document classification。所以LIBSVM就诞生了。
关于liblinear 和 libSVM的详细介绍及其比较可以参见链接:
Libsvm和Liblinear的比较
liblinear VS libSVM
Libsvm和Liblinear的使用经验谈
2 Libsvm的MATLAB安装步骤
(1)下载安装包:http://download.csdn.net/detail/tiandijun/8136887
我使用的是最新版本liblinear1.95,MATLAB是R2012b.
(2)解压到相应的文件夹,在MATLAB中设置子路径,打开matlab,点击File->SetPath->Add withSubfolders,找到liblinear-1.95\matlab所在文件夹,点击save,点击close。
(3)在matlab的command window中输入mex -setup,选择合适的编译器,具体如下:
上图最后的“y”是自己手动输入进去的,表示同意选择编译方式。
(4)输入“2”作为编译环境
确认,输入“y”
结果图如下;
(5)在matlab的command window中输入make,如果正确的话,会如下所示:
同时,可以看到在当前目录下生成下图中的文件
特别是生成train.mexw32和predict.mexw32.
到这一步,Liblinear安装成功。
3 在matlab中测试Liblinear是否能用
model = train(svm_category', sparseTrainMatrix)
[output_label, accuracy] = predict(svm_category', sparseTestMatrix, model);
train中参数:svm_category'为列向量,表示training set的class label,假设为n维
sparseTrainMatrix为n*m维矩阵,n表示training set中样本的个数,m表示每个样本中feature的个数
model的内容为
predict中参数和train中取的类似,本例中直接把training set作为testing set重新预测了一下,model为train中输出的结构体
output_label输出的是testing set的class label的预测值
accuracy是预测准确度
到此结束。(注:具体数据可参考Andrew Ng的CS229课程problem set2的第二题)
具体运行还没有成功,欢迎讨论和指点。
1 LIBSVM介绍
LIBSVM是众所周知的支持向量机分类工具包(一些支持向量机(SVM)的开源代码库的链接及其简介),运用方便简单,其中的核函数(常用核函数-Kernel Function)可以自己定义也可以默认。但是对一些大数据来说,有没有非线性映射,他们的性能差不多。如果不使用核,我们可以用线性分类或者回归来训练一个更大的数据集。这些数据往往具有非常高维的特征,例如文本分类Document classification。所以LIBSVM就诞生了。
关于liblinear 和 libSVM的详细介绍及其比较可以参见链接:
Libsvm和Liblinear的比较
liblinear VS libSVM
Libsvm和Liblinear的使用经验谈
2 Libsvm的MATLAB安装步骤
(1)下载安装包:http://download.csdn.net/detail/tiandijun/8136887
我使用的是最新版本liblinear1.95,MATLAB是R2012b.
(2)解压到相应的文件夹,在MATLAB中设置子路径,打开matlab,点击File->SetPath->Add withSubfolders,找到liblinear-1.95\matlab所在文件夹,点击save,点击close。
(3)在matlab的command window中输入mex -setup,选择合适的编译器,具体如下:
上图最后的“y”是自己手动输入进去的,表示同意选择编译方式。
(4)输入“2”作为编译环境
确认,输入“y”
结果图如下;
(5)在matlab的command window中输入make,如果正确的话,会如下所示:
同时,可以看到在当前目录下生成下图中的文件
特别是生成train.mexw32和predict.mexw32.
到这一步,Liblinear安装成功。
3 在matlab中测试Liblinear是否能用
model = train(svm_category', sparseTrainMatrix)
[output_label, accuracy] = predict(svm_category', sparseTestMatrix, model);
train中参数:svm_category'为列向量,表示training set的class label,假设为n维
sparseTrainMatrix为n*m维矩阵,n表示training set中样本的个数,m表示每个样本中feature的个数
model的内容为
predict中参数和train中取的类似,本例中直接把training set作为testing set重新预测了一下,model为train中输出的结构体
output_label输出的是testing set的class label的预测值
accuracy是预测准确度
到此结束。(注:具体数据可参考Andrew Ng的CS229课程problem set2的第二题)
具体运行还没有成功,欢迎讨论和指点。
相关文章推荐
- matlab怎么同时显示imshow 两幅图片
- 合成地震记录的matlab程序
- LibLinear(SVM包)使用说明之(二)MATLAB接口
- matlab GUI界面编程总结
- 写了个算分压电阻阻值的MATLAB小程序
- [Deep Learning]任意层cnn的matlab版本实现
- MATLAB中如何直接曲线拟合,而不使用cftool的GUI界面
- MATLAB的cat()函数
- matlab中double函数,im2double函数,matgray函数的区别分析
- [image processing]matlab
- 关于MATLAB中结构数组的使用
- 0.8147--Matlab产生的第一个随机数
- matlab制作聚类数据
- 双线性插值(Matlab实现)
- matlab中size()函数的用法
- matlab如何控制坐标轴显示内容,而不改变曲线形状
- 【Deep Learning】两层CNN的MATLAB实现
- Matlab微分方程符号解和数值解
- Matlab的神奇问题again
- 蚁群算法和简要matlab来源