支持向量机SVM—分类

Posted 2021-04-26 数模自愿分享交流

附录1	运行环境：Matlab2011a
clc, clear a0=load('fenlei.txt');  %把表中x1...x8的所有数据保存在纯文本文件fenlei.txt中 a=a0';  b0=a(:,[1:27]); dd0=a(:,[28:end]); %提取已分类和待分类的数据 [b,ps]=mapstd(b0);  %已分类数据的标准化 %mapstd按行逐行地对数据进行标准化处理， %将每一行数据分别标准化为均值为ymean(默认为0)、 %标准差为ystd(默认为1)的标准化数据，其计算公式是：y =  (x-xmean)*(ystd/xstd) + ymean。 %如果设置的ystd=0，或某行的数据全部相同(此时xstd =0)， %存在除数为0的情况，则Matlab内部将此变换变为y = ymean。 dd=mapstd('apply',dd0,ps);  %待分类数据的标准化 group=[ones(20,1);  2*ones(7,1)]; %已知样本点的类别标号，即设置分类， %本程序设置前20个为第一类，21-27为2类 s=svmtrain(b',group)  %训练支持向量机分类器 sv_index=s.SupportVectorIndices  %返回支持向量的标号（分类器） beta=s.Alpha  %返回分类函数的权系数（分类器） bb=s.Bias  %返回分类函数的常数项（分类器） mean_and_std_trans=s.ScaleData  %第1行返回的是已知样本点均值向量的相反数， %第2行返回的是标准差向量的倒数（分类器） check=svmclassify(s,b')  %验证已知样本点 %将检验图画出，更直观些 x=1:27;%样本数据有27个 a=group'; b=check'; axis([0,28,0,3]);%设置坐标轴范围 plot(x,a,'-o',x,b,'-*') err_rate=1-sum(group==check)/length(group)  %计算已知样本点的错判率 solution=svmclassify(s,dd')  %对待判样本点进行分类
检验图

附录2

运行环境：Matlab2011a

clc,clear a=load('cancerdata2.txt'); a(:,1)=[];  %删除第一列病例号 gind=find(a(:,1)==1);  %读出良性肿瘤的序号 bind=find(a(:,1)==-1);  %读出恶性肿瘤的序号 training=a([1:500],[2:end]);  %提出已知样本点的数据 training=training';   [train,ps]=mapstd(training);  %已分类数据标准化 group(gind)=1;  group(bind)=-1;  %已知样本点的类别标号 group=group';  %转换成列向量 xa0=a([501:569],[2:end]);  %提出待分类数据 xa=xa0';  xa=mapstd('apply',xa,ps); %待分类数据标准化 s=svmtrain(train',group,  'Method','SMO', 'Kernel_Function','quadratic') %使用序列最小化方法训练支持向量机的分类器， %如果使用二次规划的方法训练支持向量机则无法求解 sv_index=s.SupportVectorIndices'  %返回支持向量的标号 beta=s.Alpha'  %返回分类函数的权系数 b=s.Bias  %返回分类函数的常数项 mean_and_std_trans=s.ScaleData  %第1行返回的是已知样本点均值向量的相反数， %第2行返回的是标准差向量的倒数 check=svmclassify(s,train');  %验证已知样本点 err_rate=1-sum(group==check)/length(group)  %计算错判率 solution=svmclassify(s,xa');  %进行待判样本点分类 solution=solution'   sg=find(solution==1)  %求待判样本点中的良性编号 sb=find(solution==-1)  %求待判样本点中的恶性编号

小编建了个群：139170798（国赛备战群），这里有海量数模资料汇总，自愿分享，加的时候请备注学校简称+小名。