分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测

分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测

目录

    • 分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测
      • 分类效果
      • 基本介绍
      • 程序设计
      • 参考资料

分类效果

分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测_第1张图片
分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测_第2张图片

分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测_第3张图片
分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测_第4张图片

分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测_第5张图片
分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测_第6张图片

基本介绍

先利用平均影响值MIV算法对特征进行排序,确定分类特征变量做特征重要性排序,实现特征选择。
最终MIV结合SVM做分类建模,输出有分类对比图和混淆矩阵图。
通过重要性排序图,选择重要的特征变量,以期实现数据降维的目的。程序直接替换数据就可以用,程序内有注释,方便学习和使用。程序语言为matlab。

程序设计

  • 完整源码和数据获取方式: 私信回复MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
clc
clear all
figure
plot( preY,'o','Color','linewidth',2)    
hold on
plot(true_label,'-+','Color',[0 0 0]./255,'linewidth',2)  
legend('预测值','真实值')
xlabel('预测样本')
ylabel('预测结果')
string = {'测试集预测结果对比'; ['准确率=' num2str(acc*100) '%']};
title(string)
grid
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/116071412
[2] https://blog.csdn.net/kjm13182345320?spm=1010.2135.3001.5343

你可能感兴趣的:(分类预测,MIV-SVM,平均影响值MIV算法,支持向量机分类预测)