[matlab]机器学习及SVM工具箱学习笔记
2017-07-21 22:25
423 查看
机器学习与神经网络的关系:
机器学习是目的,神经网络是算法。神经网络是实现机器学习的一种方法,平行于SVM。
常用的两种工具:svm tool、libsvm
SVM分为SVC和SVR,svc是专门用来分类的,svr是用来作回归的
注:matlab自带的svm工具箱无回归预测功能
函数介绍:http://blog.sina.com.cn/s/blog_6c76c0890100w1zm.html
libsvm参数介绍:https://www.geek-share.com/detail/2547301641.html
clear; N = 50; n=2*N; randn('state',6); x1 = randn(2,N) y1 = ones(1,N); x2 = 5+randn(2,N); y2 = -ones(1,N); figure; plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.'); axis([-3 8 -3 8]); title('C-SVC') hold on; X1 = [x1,x2]; Y1 = [y1,y2]; X=X1'; Y=Y1'; C=Inf; ker='linear'; global p1 p2 p1=3; p2=1; %命令 [nsv alpha bias] = svc(X,Y,ker,C) %训练函数 predictedY = svcoutput(X,Y,X,ker,alpha,bias) %输入预测函数 err = svcerror(trnX,trnY,tstX,tstY,ker,alpha,bias) %分类函数,准确率 svcplot(X,Y,ker,alpha,bias) %画图
libsvm使用(回归预测):
close all; clear; clc; format compact; % 生成待回归的数据 x = (-1:0.1:1)'; y = -x.^2; % 建模回归模型 model = libsvmtrain(y,x,'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01'); % 利用建立的模型看其在训练集合上的回归效果 [py,mse,devalue] = libsvmpredict(y,x,model); figure; plot(x,y,'o'); hold on; plot(x,py,'r*'); legend('原始数据','回归数据'); grid on; % 进行预测 testx = [1.1,1.2,1.3]'; display('真实数据') testy = -testx.^2 [ptesty,tmse,detesvalue] = libsvmpredict(testy,testx,model); display('预测数据'); ptesty
相关文章推荐
- 机器学习:SVM学习笔记(三)
- 机器学习入门学习笔记:(4.2)SVM的核函数和软间隔
- 斯坦福机器学习-week 3 学习笔记(2)——Matlab最优问题求解
- Matlab Robotic Toolbox工具箱学习笔记(二)
- 机器学习基石--学习笔记01--linear hard SVM
- 机器学习-支持向量机SVM学习笔记一
- Matlab深度学习笔记——深度学习工具箱说明
- Matlab Robotic Toolbox工具箱学习笔记
- 支撑向量机 SVM 学习笔记(Matlab代码)
- 机器学习—FullBNT学习笔记之一(matlab)
- [matlab]bp神经网络工具箱学习笔记
- Matlab机器学习之SVM工具箱
- MATLAB标定工具箱----单目标定(学习笔记)
- MatLab建模学习笔记3——MatLab工具箱
- Matlab Robotic Toolbox工具箱学习笔记
- 机器学习6—SVM学习笔记
- (学习笔记)matlab机器人工具箱攻略——矩阵变换,运动学
- SVM学习笔记(1)LIBSVM在matlab下的使用安装
- 【PR学习笔记三】用SVM工具箱实现水天线检测
- Matlab自带的分类学习工具箱(SVM、决策树、Knn等分类器)