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：

2 _/ P: n4 \; ~2 ?例子：

先导入数据：

7 p) g% S. H, c

• load fisheriris
• X = meas;
• Y = species;
  # x3 z  k/ E  t

. A$ [+ y- h! O& x: y2 t0 B* }9 h[color=rgb(51, 102, 153) !important]复制代码
; U; h% `( J  w% F5 W4 O; r1 u创建一个SVM模版：

5 \# [. v* V1 f% B

• t = templateSVM('Standardize',1)
  $ [5 _) R1 z: q

  m" j- [7 O  j8 {4 d& Q; \3 f+ J[color=rgb(51, 102, 153) !important]复制代码

/ J- @0 M8 W; }4 O
1 |3 }; ?  G' \; {训练这个分类器，这是14b新推出的功能：
  e& o, N/ q4 Y% r3 ?0 ^5 F

• Mdl = fitcecoc(X,Y,'Learners',t,...
•     'ClassNames',{'setosa','versicolor','virginica'});
  6 T% v/ M+ [8 t- D9 i

8 W/ L" \3 j  _) L[color=rgb(51, 102, 153) !important]复制代码


训练好以后，可以验证SVM模型：
: g# h/ v3 Q# }  o* i. o* G; w

• CVMdl = crossval(Mdl);
  9 w) s* D; [; S( |2 ^

: z3 Y- J% F0 d  {4 q" u5 x. |4 q+ K2 A5 j5 p[color=rgb(51, 102, 153) !important]复制代码

显示验证的结果：

• oosLoss = kfoldLoss(CVMdl)
  . x8 `2 M7 f8 b- R

  C/ b; @6 N% K% ]  N; y- r8 {[color=rgb(51, 102, 153) !important]复制代码

* j7 s/ X1 ?' ]' e5 n! Z9 g
对于这个分类器，我们的验证结果是：

7 B: k  x1 k& ?" E  K& joosLoss =    0.0400

) y5 a! B3 J, D4 [: a# @- s2 C  p7 E$ F这表明分类的效果很好！

Heaven_1

分类器常用