matlab SVM

%svm trainX_train= mapminmax(X_train 0, 1); svm_model=svmtrain(y_train,X_train','-s 0 -t 0 -c 1');%y_train:N*1, X_train:N*M % svm test X_test = mapminmax(X_test, 0, 1); [predict_label, accuracy, dec_values] =svmpredict(y_test,X_test', svm_model);

參數(shù)選擇
-s svm類型：(默認(rèn)0)
　　0 – C-SVC
　　1 --v-SVC
　　2 – 一類SVM
　　3 – e -SVR
　　4 – v-SVR
-t 核函數(shù)類型：(默認(rèn)2)
　　0 – 線性：u’v
　　1 – 多項(xiàng)式：(ru’v + coef0)^degree
　　2 – RBF函數(shù)：exp(-gamma|u-v|^2)
　　3 –sigmoid：tanh(ru’v + coef0)
-d degree：(針對(duì)多項(xiàng)式核函數(shù))(默認(rèn)3)
　　-g r(gama)：核函數(shù)中的gamma函數(shù)設(shè)置(針對(duì)多項(xiàng)式/rbf/sigmoid核函數(shù))(默認(rèn)1/ k)
　　-r coef0：核函數(shù)中的coef0設(shè)置(針對(duì)多項(xiàng)式/sigmoid核函數(shù))((默認(rèn)0)
　　-c cost：設(shè)置C-SVC，e -SVR和v-SVR的參數(shù)(損失函數(shù))(默認(rèn)1)
　　-n nu：設(shè)置v-SVC，一類SVM和v- SVR的參數(shù)(默認(rèn)0.5)
　　-p p：設(shè)置e -SVR 中損失函數(shù)p的值(默認(rèn)0.1)
　　-m cachesize：設(shè)置cache內(nèi)存大小，以MB為單位(默認(rèn)40)
　　-e eps：設(shè)置允許的終止判據(jù)(默認(rèn)0.001)
　　-h shrinking：是否使用啟發(fā)式，0或1(默認(rèn)1)
　　-wi weight：設(shè)置第幾類的參數(shù)C為weight*C(C-SVC中的C)(默認(rèn)1)
　　-v n: n-fold交互檢驗(yàn)?zāi)Ｊ?#xff0c;n為fold的個(gè)數(shù)，必須大于等于2

總結(jié)

以上是生活随笔為你收集整理的matlab SVMtrain函数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。