MATLAB

Question

'da 10-kat SVM sınıflandırması örneği İki sınıf bir veri kümesinde 10-kat SVM sınıflandırmasının nasıl yapıldığını gösteren açıklayıcı bir örneğe ihtiyacım var. MATLAB belgelerinde sadece bir örnek var, ancak 10 kat değil. Birisi bana yardım edebilir mi? SVMTRAIN, SVMCLASSIFY, CLASSPERF, CROSSVALIND:

Answer 1

İşte Biyoinformatik Toolbox aşağıdaki işlevleri kullanarak, tam bir örnek. sadece bir 'setosa' örneği 'olmayan setosa'

---

UPDATE olarak yanlış sınıflandırılır ile 99.33% doğruluk elde

ans = 
     0.99333 
ans = 
    100  1 
    0 49 
    0  0 

: SVM çıkış

load fisheriris        %# load iris dataset 
groups = ismember(species,'setosa');   %# create a two-class problem 

%# number of cross-validation folds: 
%# If you have 50 samples, divide them into 10 groups of 5 samples each, 
%# then train with 9 groups (45 samples) and test with 1 group (5 samples). 
%# This is repeated ten times, with each group used exactly once as a test set. 
%# Finally the 10 results from the folds are averaged to produce a single 
%# performance estimation. 
k=10; 

cvFolds = crossvalind('Kfold', groups, k); %# get indices of 10-fold CV 
cp = classperf(groups);      %# init performance tracker 

for i = 1:k         %# for each fold 
    testIdx = (cvFolds == i);    %# get indices of test instances 
    trainIdx = ~testIdx;      %# get indices training instances 

    %# train an SVM model over training instances 
    svmModel = svmtrain(meas(trainIdx,:), groups(trainIdx), ... 
       'Autoscale',true, 'Showplot',false, 'Method','QP', ... 
       'BoxConstraint',2e-1, 'Kernel_Function','rbf', 'RBF_Sigma',1); 

    %# test using test instances 
    pred = svmclassify(svmModel, meas(testIdx,:), 'Showplot',false); 

    %# evaluate and update performance object 
    cp = classperf(cp, pred, testIdx); 
end 

%# get accuracy 
cp.CorrectRate 

%# get confusion matrix 
%# columns:actual, rows:predicted, last-row: unclassified instances 
cp.CountingMatrix 

işlevler R2013a