分类预测 | MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测

分类预测 | MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测

分类效果

基本介绍

MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测，GWO选择最佳的SVM参数c和g。SVM模型有两个非常重要的参数C与gamma。其中 C是惩罚系数，即对误差的宽容度。c越高，说明越不能容忍出现误差,容易过拟合。C越小，容易欠拟合。C过大或过小，泛化能力变差 。gamma是选择RBF函数作为kernel后，该函数自带的一个参数。隐含地决定了数据映射到新的特征空间后的分布，gamma越大，支持向量越少，gamma值越小，支持向量越多。支持向量的个数影响训练与预测的速度。

程序设计

• 完整程序和数据下载方式1(资源处直接下载)：MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测
• 完整程序和数据下载方式2(订阅《智能学习》专栏，同时获取《智能学习》专栏收录程序6份，数据订阅后私信我获取)：MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测

%% 数据预处理
% 数据预处理,将训练集和测试集归一化到[0,1]区间
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
[mtrain,ntrain] = size(train_wine);
[mtest,ntest] = size(test_wine);
%-----------------------------------------------------------------
dataset = [train_wine;test_wine];
% mapminmax为MATLAB自带的归一化函数
[dataset_scale,ps] = mapminmax(dataset',0,1);
dataset_scale = dataset_scale';
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
train_wine = dataset_scale(1:mtrain,:);
test_wine = dataset_scale( (mtrain+1):(mtrain+mtest),: );
%% SVM网络训练
model = svmtrain(train_wine_labels, train_wine, '-c 2 -g 1');
%-----------------------------------------------------------------
%% SVM网络预测
[predict_label, accuracy] = svmpredict(test_wine_labels, test_wine, model);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/124081869
[2] https://blog.csdn.net/kjm13182345320/article/details/126614263