SVM(support victor machine,支持向量机)多分类机器学习的笔记

 SVM(support victor machine,支持向量机)小记

SVM特点:可以对小样本进行分类,也是其缺点,对大规模训练样本会出现过拟合。

SVM训练集测试集的数据比值最好为3:1或者4:1,且多分类时,每种分类的训练样本数量应该相差不大。

多分类SVM:调用函数有

要调用多分类SVM必须先要下载一个库:libsvm-3.23

svmpath='D:\Program Files\MATLAB\R2016a\toolbox\libsvm-3.23\matlab\';
addpath(svmpath);

1.打多个标签

labels=ones(img_num,1);
labels(1:820)=11;%%标签1
labels(821:1460)=12;%%标签2
labels(1461:2650)=13;%%标签3
labels(2651:3540)=14;%%标签4
labels(3541:4440)=15;%%标签5

2.训练和保存训练模型:

model_ronghe_video1 = svmtrain(labels, feature );
save('model_ronghe_video1','model_ronghe_video1');

3.模型下载和预测测试集结果模型:

models=load('model_ronghe_video1.mat');
[predicted_label,accuracy, decision_values] = svmpredict(labels, feature,models.model_ronghe_video1);

 

你可能感兴趣的:(matlab,机器学习)