• LIBSVM( 一 ) 安装及容易遇到的问题


    1.下载libsvm-3.23

    网址:https://www.csie.ntu.edu.tw/~cjlin/libsvm/#download

    2.安装

    2.1 解压,将解压后的文件放到MATLAB安装目录的toolbox

    2.2 set path   至  D:softwarematlab oolboxlibsvm-3.23

    2.3 工作目录调整至  D:softwarematlab oolboxlibsvm-3.23matlab

    3.编译

    3.1   mex -setup

    (易错:Matlab 未找到支持的编译器或 SDK 解决方法归纳

    https://blog.csdn.net/gszhan/article/details/50951070)

    3.2   make(出错及解决:https://blog.csdn.net/SKY_yiyi_9/article/details/88140283)

    4. 测试

    4.1 数据(heart_scale   https://pan.baidu.com/s/1fy5PkBrV9w8zd2lsKPnttQ)

    4.2 指令

    % load heart_scale.mat;
    % model = svmtrain(heart_scale_label,heart_scale_inst);
    % [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);

    load heart_scale.mat;
    data = heart_scale_inst;
    label = heart_scale_label;

    % 选取前200个数据作为训练集合,后70个数据作为测试集合
    ind = 200;
    traindata = data(1:ind,:);
    trainlabel = label(1:ind,:);
    testdata = data(ind+1:end,:);
    testlabel = label(ind+1:end,:);
                                 
    % 利用训练集合建立分类模型
    model = svmtrain(trainlabel,traindata,'-s 0 -t 2 -c 1.2 -g 2.8');

    % 利用建立的模型看其在训练集合上的分类效果
    [ptrain,acctrain] = svmpredict(trainlabel,traindata,model);

    % 预测测试集合标签
    [ptest,acctest] = svmpredict(testlabel,testdata,model);
    %  预测精度
    [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);
  • 相关阅读:
    升级cenos7.5到指定版本
    安装记录3
    import http.server
    理解,要用最简单的语言,去表达最复杂的观点。
    操作系统实战 45 讲
    安装记录4
    3D
    Fedora 35 server安装docker
    升级linux内核到指定版本
    Tengine
  • 原文地址:https://www.cnblogs.com/blogwww/p/9468872.html
Copyright © 2020-2023  润新知