Matlab中数字图像集的SVM分类

Posted 2023-03-13

【中文标题】Matlab中数字图像集的SVM分类

【英文标题】：SVM Classifications on set of images of digits in Matlab

【发布时间】：2020-04-07 15:07:57

【问题描述】：

我必须在数字数据集上使用 SVM 分类器。该数据集由 28x28 的数字图像和总共 2000 张图像组成。 我尝试使用 svmtrain 但 matlab 给出了一个错误，即 svmtrain 已被删除。所以现在我正在使用 fitcsvm。

我的代码如下：

labelData = zeros(2000,1);

for i=1:1000
labelData(i,1)=1;
end

for j=1001:2000
labelData(j,1)=1;
end

SVMStruct =fitcsvm(trainingData,labelData) 
%where training data is the set of images of digits.

我需要知道如何使用 svm 预测测试数据的输出？此外，我的代码是否正确？

【参考方案1】：

您要查找的函数是predict。它将 SVM 对象作为输入，后跟数据矩阵并返回预测的标签。 确保你不是在所有数据上训练你的模型，而是在一个合理的子集上（通常是 70%）。你可以使用cross-validation准备：

% create cross-validation object
cvp = cvpartition(Lbl,'HoldOut',0.3);
% extract logical vectors for training and testing data
lgTrn = cvp.training;
lgTst = cvp.test;

% train SVM
mdl = fitcsvm(Dat(lgTrn,:),Lbl(lgTrn));

% test / predict SVM
Lbl_prd = predict(mdl,Dat(lgTst,:));

请注意，您的标签会生成单个向量。

The Mathworks 将svmtrain 更改为fitcsvm 的原因是为了简洁。现在很清楚是“分类”（fitcsvm）还是“回归”（fitrsvm）。