load fisheriris

 data = [meas(:,), meas(:,)];

 groups = ismember(species,'setosa');

 [train, test] = crossvalind('holdOut',groups);

 cp = classperf(groups);

 svmStruct = svmtrain(data(train,:),groups(train),'showplot',true);

 classes = svmclassify(svmStruct,data(test,:),'showplot',true);

 classperf(cp,classes,test);

svmstruct = svmtrain(Training, Group)

Rows of TRAINING correspond to observations; columns correspond to features. Y is a column vector that contains the known class labels for TRAINING.

Y is a grouping variable, i.e., it can be a categorical, numeric, or logical vector; a cell vector of strings; or a character matrix with each row representing a

class label (see help for groupingvariable). Each element of Y specifies the group the corresponding row of TRAINING belongs to.

TRAINING and Y must have the same number of rows. SVMSTRUCT contains information about the trained classifier, including the support vectors, that

is used by SVMCLASSIFY for classification. svmtrain treats NaNs, empty strings or 'undefined' values as missing values and ignores the corresponding

rows in TRAINING and Y.

Group = svmclassify(SVMStruct, Sample)

>> help svmclassify
 svmclassify Classify data using a support vector machine
    GROUP = svmclassify(SVMSTRUCT, TEST) classifies each row in TEST using the support vector machine classifier structure SVMSTRUCT created
    using SVMTRAIN, and returns the predicted class level GROUP. TEST must have the same number of columns as the data used to train the

classifier in SVMTRAIN. GROUP indicates the group to which each row of TEST is assigned.
 
    GROUP = svmclassify(...,'SHOWPLOT',true) plots the test data TEST on the figure created using the SHOWPLOT option in SVMTRAIN.

-----------------------------------------------------------------------------------------------

-----------------------------------------------------------------------------------------------

利用libsvm做多分类问题的经典案例：

[y, x] = libsvmread('iris.scale.txt');
m = svmtrain(y, x, '-t 0');
test_y=[1;2;3];
test_x=[-0.555556 0.25 -0.864407 -0.916667;
0.444444 -0.0833334 0.322034 0.166667 ;
-0.277778 -0.333333 0.322034 0.583333 ];
[predict_label, accuracy, prob_estimates] = svmpredict(test_y, test_x, m);
数据：'iris.scale'可在Libsvm网站上有。共有三类。

iris.scale.txt 文档为：

 :-0.555556 :0.25 :-0.864407 :-0.916667

 :-0.666667 :-0.166667 :-0.864407 :-0.916667

 :-0.777778 :-0.898305 :-0.916667

 :-0.833333 :-0.0833334 :-0.830508 :-0.916667

 :-0.611111 :0.333333 :-0.864407 :-0.916667

 :-0.388889 :0.583333 :-0.762712 :-0.75

 :-0.833333 :0.166667 :-0.864407 :-0.833333

 :-0.611111 :0.166667 :-0.830508 :-0.916667

 :-0.944444 :-0.25 :-0.864407 :-0.916667

 :-0.666667 :-0.0833334 :-0.830508 :-

 :-0.388889 :0.416667 :-0.830508 :-0.916667

 :-0.722222 :0.166667 :-0.79661 :-0.916667

 :-0.722222 :-0.166667 :-0.864407 :-

 :- :-0.166667 :-0.966102 :-

 :-0.166667 :0.666667 :-0.932203 :-0.916667

 :-0.222222 : :-0.830508 :-0.75

 :-0.388889 :0.583333 :-0.898305 :-0.75

 :-0.555556 :0.25 :-0.864407 :-0.833333

 :-0.222222 :0.5 :-0.762712 :-0.833333

 :-0.555556 :0.5 :-0.830508 :-0.833333

 :-0.388889 :0.166667 :-0.762712 :-0.916667

 :-0.555556 :0.416667 :-0.830508 :-0.75

 :-0.833333 :0.333333 :- :-0.916667

 :-0.555556 :0.0833333 :-0.762712 :-0.666667

 :-0.722222 :0.166667 :-0.694915 :-0.916667

 :-0.611111 :-0.166667 :-0.79661 :-0.916667

 :-0.611111 :0.166667 :-0.79661 :-0.75

 :-0.5 :0.25 :-0.830508 :-0.916667

 :-0.5 :0.166667 :-0.864407 :-0.916667

 :-0.777778 :-0.79661 :-0.916667

 :-0.722222 :-0.0833334 :-0.79661 :-0.916667

 :-0.388889 :0.166667 :-0.830508 :-0.75

 :-0.5 :0.75 :-0.830508 :-

 :-0.333333 :0.833333 :-0.864407 :-0.916667

 :-0.666667 :-0.0833334 :-0.830508 :-

 :-0.611111 :-0.932203 :-0.916667

 :-0.333333 :0.25 :-0.898305 :-0.916667

 :-0.666667 :-0.0833334 :-0.830508 :-

 :-0.944444 :-0.166667 :-0.898305 :-0.916667

 :-0.555556 :0.166667 :-0.830508 :-0.916667

 :-0.611111 :0.25 :-0.898305 :-0.833333

 :-0.888889 :-0.75 :-0.898305 :-0.833333

 :-0.944444 :-0.898305 :-0.916667

 :-0.611111 :0.25 :-0.79661 :-0.583333

 :-0.555556 :0.5 :-0.694915 :-0.75

 :-0.722222 :-0.166667 :-0.864407 :-0.833333

 :-0.555556 :0.5 :-0.79661 :-0.916667

 :-0.833333 :-0.864407 :-0.916667

 :-0.444444 :0.416667 :-0.830508 :-0.916667

 :-0.611111 :0.0833333 :-0.864407 :-0.916667

 :0.5 :0.254237 :0.0833333

 :0.166667 :0.186441 :0.166667

 :0.444444 :-0.0833334 :0.322034 :0.166667

 :-0.333333 :-0.75 :0.0169491 :-4.03573e-08

 :0.222222 :-0.333333 :0.220339 :0.166667

 :-0.222222 :-0.333333 :0.186441 :-4.03573e-08

 :0.111111 :0.0833333 :0.254237 :0.25

 :-0.666667 :-0.666667 :-0.220339 :-0.25

 :0.277778 :-0.25 :0.220339 :-4.03573e-08

 :-0.5 :-0.416667 :-0.0169491 :0.0833333

 :-0.611111 :- :-0.152542 :-0.25

 :-0.111111 :-0.166667 :0.0847457 :0.166667

 :-0.0555556 :-0.833333 :0.0169491 :-0.25

 :-1.32455e-07 :-0.25 :0.254237 :0.0833333

 :-0.277778 :-0.25 :-0.118644 :-4.03573e-08

 :0.333333 :-0.0833334 :0.152542 :0.0833333

 :-0.277778 :-0.166667 :0.186441 :0.166667

 :-0.166667 :-0.416667 :0.0508474 :-0.25

 :0.0555554 :-0.833333 :0.186441 :0.166667

 :-0.277778 :-0.583333 :-0.0169491 :-0.166667

 :-0.111111 :0.288136 :0.416667

 :-1.32455e-07 :-0.333333 :0.0169491 :-4.03573e-08

 :0.111111 :-0.583333 :0.322034 :0.166667

 :-1.32455e-07 :-0.333333 :0.254237 :-0.0833333

 :0.166667 :-0.25 :0.118644 :-4.03573e-08

 :0.277778 :-0.166667 :0.152542 :0.0833333

 :0.388889 :-0.333333 :0.288136 :0.0833333

 :0.333333 :-0.166667 :0.355932 :0.333333

 :-0.0555556 :-0.25 :0.186441 :0.166667

 :-0.222222 :-0.5 :-0.152542 :-0.25

 :-0.333333 :-0.666667 :-0.0508475 :-0.166667

 :-0.333333 :-0.666667 :-0.0847458 :-0.25

 :-0.166667 :-0.416667 :-0.0169491 :-0.0833333

 :-0.0555556 :-0.416667 :0.38983 :0.25

 :-0.388889 :-0.166667 :0.186441 :0.166667

 :-0.0555556 :0.166667 :0.186441 :0.25

 :0.333333 :-0.0833334 :0.254237 :0.166667

 :0.111111 :-0.75 :0.152542 :-4.03573e-08

 :-0.277778 :-0.166667 :0.0508474 :-4.03573e-08

 :-0.333333 :-0.583333 :0.0169491 :-4.03573e-08

 :-0.333333 :-0.5 :0.152542 :-0.0833333

 :-1.32455e-07 :-0.166667 :0.220339 :0.0833333

 :-0.166667 :-0.5 :0.0169491 :-0.0833333

 :-0.611111 :-0.75 :-0.220339 :-0.25

 :-0.277778 :-0.416667 :0.0847457 :-4.03573e-08

 :-0.222222 :-0.166667 :0.0847457 :-0.0833333

 :-0.222222 :-0.25 :0.0847457 :-4.03573e-08

 :0.0555554 :-0.25 :0.118644 :-4.03573e-08

 :-0.555556 :-0.583333 :-0.322034 :-0.166667

 :-0.222222 :-0.333333 :0.0508474 :-4.03573e-08

 :0.111111 :0.0833333 :0.694915 :

 :-0.166667 :-0.416667 :0.38983 :0.5

 :0.555555 :-0.166667 :0.661017 :0.666667

 :0.111111 :-0.25 :0.559322 :0.416667

 :0.222222 :-0.166667 :0.627119 :0.75

 :0.833333 :-0.166667 :0.898305 :0.666667

 :-0.666667 :-0.583333 :0.186441 :0.333333

 :0.666667 :-0.25 :0.79661 :0.416667

 :0.333333 :-0.583333 :0.627119 :0.416667

 :0.611111 :0.333333 :0.728813 :

 :0.222222 :0.38983 :0.583333

 :0.166667 :-0.416667 :0.457627 :0.5

 :0.388889 :-0.166667 :0.525424 :0.666667

 :-0.222222 :-0.583333 :0.355932 :0.583333

 :-0.166667 :-0.333333 :0.38983 :0.916667

 :0.166667 :0.457627 :0.833333

 :0.222222 :-0.166667 :0.525424 :0.416667

 :0.888889 :0.5 :0.932203 :0.75

 :0.888889 :-0.5 : :0.833333

 :-0.0555556 :-0.833333 :0.355932 :0.166667

 :0.444444 :0.59322 :0.833333

 :-0.277778 :-0.333333 :0.322034 :0.583333

 :0.888889 :-0.333333 :0.932203 :0.583333

 :0.111111 :-0.416667 :0.322034 :0.416667

 :0.333333 :0.0833333 :0.59322 :0.666667

 :0.611111 :0.694915 :0.416667

 :0.0555554 :-0.333333 :0.288136 :0.416667

 :-1.32455e-07 :-0.166667 :0.322034 :0.416667

 :0.166667 :-0.333333 :0.559322 :0.666667

 :0.611111 :-0.166667 :0.627119 :0.25

 :0.722222 :-0.333333 :0.728813 :0.5

 : :0.5 :0.830508 :0.583333

 :0.166667 :-0.333333 :0.559322 :0.75

 :0.111111 :-0.333333 :0.38983 :0.166667

 :-1.32455e-07 :-0.5 :0.559322 :0.0833333

 :0.888889 :-0.166667 :0.728813 :0.833333

 :0.111111 :0.166667 :0.559322 :0.916667

 :0.166667 :-0.0833334 :0.525424 :0.416667

 :-0.0555556 :-0.166667 :0.288136 :0.416667

 :0.444444 :-0.0833334 :0.491525 :0.666667

 :0.333333 :-0.0833334 :0.559322 :0.916667

 :0.444444 :-0.0833334 :0.38983 :0.833333

 :-0.166667 :-0.416667 :0.38983 :0.5

 :0.388889 :0.661017 :0.833333

 :0.333333 :0.0833333 :0.59322 :

 :0.333333 :-0.166667 :0.423729 :0.833333

 :0.111111 :-0.583333 :0.355932 :0.5

 :0.222222 :-0.166667 :0.423729 :0.583333

 :0.0555554 :0.166667 :0.491525 :0.833333

 :-0.111111 :-0.166667 :0.38983 :0.416667

SVM实用操作： svmtrain and svmclassify的更多相关文章

  1. 提高开发效率的 Eclipse 实用操作

    工欲善其事,必先利其器.对于程序员来说,Eclipse便是其中的一个“器”.本文会从Eclipse快捷键和实用技巧这两个篇章展开介绍.Eclipse快捷键用熟后,不用鼠标,便可进行编程开发,避免鼠标分 ...

  2. Chrome 开发者工具实用操作

    Chrome 开发者工具实用操作 https://umaar.com/dev-tips/

  3. KiCAD实用操作

    KiCAD实用操作之一:自动编辑线宽 今天偶然间发现的一个比较实用的功能,算是KiCAD的一个优点吧(或许是在AD上面没发现):当整个PCB布完线或者在布线过程中,我们有可能需要对某个线的宽度进行调整 ...

  4. （原）Matlab的svmtrain和svmclassify

    转载请注明出处: http://www.cnblogs.com/darkknightzh/p/5554551.html 参考网址: http://www.cnblogs.com/zhangchaoya ...

  5. 能够提高开发效率的Eclipse实用操作

    工欲善其事,必先利其器.对于程序员来说,Eclipse便是其中的一个“器”.本文会从Eclipse快捷键和实用技巧这两个篇章展开介绍.Eclipse快捷键用熟后,不用鼠标,便可进行编程开发,避免鼠标分 ...

  6. 能够提高开发效率的 Eclipse 实用操作

    工欲善其事,必先利其器.对于程序员来说,Eclipse便是其中的一个“器”.本文会从Eclipse快捷键和实用技巧这两个篇章展开介绍.Eclipse快捷键用熟后,不用鼠标,便可进行编程开发,避免鼠标分 ...

  7. VS2019 实用操作

    本文列出了在编写程序过程中的几个非常实用的操作方式,通过这些操作方式,可以在一定程度上减少重复操作.提高编码效率.改善编程体验. 列模式操作 列操作是一项很常用且实用的功能,可以一次性修改不同的行. ...

  8. Netcat实用操作

    写久了web倦了,第n次开始尝试网络开发,于是熟悉一下常用工具. 尝试了一下netcat来测试服务器,或者充当客户端都异常好用.于是记录一下常用的一下命令 1. 充当服务器,或者客户端进行访问 通过n ...

  9. Myeclipse学习总结（8）——Eclipse实用操作

    工欲善其事,必先利其器.对于程序员来说,Eclipse便是其中的一个"器".本文会从Eclipse快捷键和实用技巧这两个篇章展开介绍.Eclipse快捷键用熟后,不用鼠标,便可进行 ...

随机推荐

  1. 面向对象之prototype，__proto__

    var person = function(name) { this.name = name }; person.prototype.getName = function() { return thi ...

  2. (转)Ratchet教程：meta与link标签

    原文:http://www.w3cplus.com/mobile/meta-and-link-tags-for-ratchet.html Ratchet教程:meta与link标签           ...

  3. Note_Master-Detail Application(iOS template)_05_ YJYMasterViewController.m

    //  YJYMasterViewController.m #import "YJYMasterViewController.h" #import "YJYDetailV ...

  4. .NET快速开发平台(DevExpress)免费下载

    Express开发的eXpressApp Framework为简单快速实现商业应用的提供了有效的手段.强大的模块化结构支持跨平台的特定域扩展.典型应用实例包括:商业/销售/客户关系管理系统,项目,文档 ...

  5. redis补充和rabbitmq讲解

    线程池: redis发布订阅: rabbitMQ: MySQL; python pymysql: python orm SQLAchemy: paramiko: 堡垒机: 1.线程池 1.1 cont ...

  6. iOS之《 Human Interface Guidelines：from Concept to Product 》<界面设计指南 二>：从概念到产品的实现

    开发之前需要想到的: 1.列出所有用户可能喜欢的功能. 例子:食谱 (1)创建一个总的食谱菜单 (2)食谱的获取方法  (3)比较价格 (4)当地的食材店 (5)食谱每道菜的注释 (6)能够获取和使用 ...

  7. Redis - 常用命令操作

    常用命令keys:        keys *        查看符合条件的所有key exists:        exists key    查看key是否存在 del:        del k ...

  8. Android 中如何获取 H5 保存在 LocalStorage 的数据

    主要分三步: 写个接口,接收 Js 回调 添加到 WebView 主动调用 Js 获取 比如我要获取保存在 LocalStorage 中的 userKey 字段: 1.写个接口,接收 Js 回调 pu ...

  9. 解决：子元素设置margin-top，父元素也受影响的问题

    <!doctype html><html> <head> <meta charset="UTF-8"> <title>子 ...

  10. C语言--- 字符串数组 、 预处理器和预处理指令 、 多文件编程 、 结构体

    1 输入一个姓名,判断是否是五虎上将. 1.1 问题 本案例需要使用交互的方式判断:用户从控制台输入一个名字,由程序判断该名字是否在五虎上将的名单中.五虎上将的名单是:GuanYu.ZhangFei. ...