24小时热门版块排行榜

返回列表

当前主题已经存档。

【有奖交流】积极回复本帖子，参与交流，就有机会分得作者 damojinghong 的 470 个金币

当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

damojinghong

至尊木虫 (知名作家)

娴囩嘢鹤唻厾呒琮

应助: 6 (幼儿园)
贵宾: 11.03
金币: 48416.1
散金: 2331
红花: 21
沙发: 2
帖子: 7259
在线: 318.2小时
虫号: 299918
注册: 2006-11-25
性别: GG
专业: 高分子科学

[交流] 【求助】Svm分类找老师带新人？？

最近在进行数据处理，用到SVM但是我确实没有接触过matlab，在网上下了个osu-svm工具箱，里面有demo（应该是演示吧），我就按照demo一步一步，输入命令和数据，然后计算出结果。有LinearSVC，PolySVC，RbfSVC三种，我都按照demo做了计算。
代码分别如下:
linera

引用回帖:

load train1.txt
load lable.txt
size(train1)
size(lable)
[AlphaY, SVs, Bias, Parameters, nSV, nLabel] = LinearSVC(train1,lable);
save SVMClassifier AlphaY SVs Bias Parameters nSV nLabel;
load pre1.txt
load lablepr.txt
size(pre1)
size(lablepr)
[ClassRate, DecisionValue, Ns, ConfMatrix, PreLabels]= SVMTest(pre1,lablepr, AlphaY, SVs, Bias,Parameters, nSV, nLabel);
ConfMatrix
classrate=0.93333

poly

引用回帖:

load train1.txt
load lable.txt
size(train1)
size(lable)
Degree = 5;
[AlphaY, SVs, Bias, Parameters, nSV, nLabel] = PolySVC(train1,lable, Degree);
save SVMClassifier AlphaY SVs Bias Parameters nSV nLabel;
load pre1.txt
load lablepr.txt
size(pre1)
size(lablepr)
[ClassRate, DecisionValue, Ns, ConfMatrix, PreLabels]= SVMTest(pre1,lablepr, AlphaY, SVs, Bias,Parameters, nSV, nLabel);
ConfMatrix
classrate=0.9

rbf

引用回帖:

load train1.txt
load lable.txt
size(train1)
size(lable)
Gamma = 2;
[AlphaY, SVs, Bias, Parameters, nSV, nLabel] = RbfSVC(train1,lable, Gamma);
save SVMClassifier AlphaY SVs Bias Parameters nSV nLabel;
load pre1.txt
load lablepr.txt
size(pre1)
size(lablepr)
[ClassRate, DecisionValue, Ns, ConfMatrix, PreLabels]= SVMTest(pre1,lablepr, AlphaY, SVs, Bias,Parameters, nSV, nLabel);
ConfMatrix
classrate=0.2

不知道这个到底算不算支持向量机分类，好像还有libsvm分类的，里面的代码和我的不一样，而且我的太简单，是不是不对啊？
train1是训练集，lable是训练集标签，这个标签与实际分类一致。
pre1是测试集，lablepr是测试集标签，这个标签也与实际分类一致。
如果我所做的没有错为什么采用rbf时候准确度那么低？

具体数据和工具箱我上传，请高人不要觉得我的问题幼稚或者荒唐，请不吝赐教，小弟先在这里谢过！http://www.namipan.com/d/data.ra ... 43a37be6a64df681500

希望找到一个老师，可以指导我一下，不会很麻烦的，希望高人一定现身指点！！

[ Last edited by damojinghong on 2010-1-15 at 15:45 ]

回复此楼

» 猜你喜欢

1楼 2010-01-15 15:43:01

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

wolfpl

木虫 (小有名气)

应助: 0 (幼儿园)
金币: 1435
散金: 52
红花: 2
帖子: 237
在线: 155.5小时
虫号: 705120
注册: 2009-02-20
性别: GG
专业: 环境地质学和灾害地质学

★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ...
adu886886(金币+1,VIP+0):谢谢提供意见 1-16 15:48
damojinghong(金币+100,VIP+0):多谢朋友细心讲解，希望以后能向您请教！ 1-20 16:06

实现SVM的工具有很多，如LIBSVM,SVMlight,SimpleSVM....具体可以参考http://en.wikipedia.org/wiki/Support_vector_machine中的介绍。不过本人认为其中Libsvm是一个操作简单、易于使用、快速有效的通用SVM 软件包,它是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的，他的主页：http://www.csie.ntu.edu.tw/~cjlin/index.html，上面有很多关于libsvm的资料、工具和示例数据。
SVM的原理部分看看一两篇文章就能明白，其中中文文献张学工老师的文章觉得很不错；外文文献当然就看vapnik他老人家的呢。
具体LIBSVM的使用可以参考如下文章 http://luzhenbo.88uu.com.cn/Inte ... roduction_study.htm，或者参考下载的libsvm包里readme.txt，都有详细的使用说明。

SVM的训练预测过程可以简单的归纳为以下几个过程：

1. 收集数据。相关性分析（p卡方检验），特征选择（主成份分析）。
2. 归一化数据。就是根据实际要求，将数据的取值范围转化为统一的区间如[a,b],a,b为整数。
3. 利用抽样技术将数据集分为训练集和测试集。抽样技术有分层抽样，简单抽样（等概率抽样）
4. 将数据转化为软件（接口）所支持的格式。就libsvm（c＋＋，java）来说，需要将数据转化为libsvmm所要求的格式。
5. 选择核函数，可以优先考虑RBF。
6. 对训练集利用交叉验证法选择最好的参数C和r（rbf核函数中的参数gama）。可以通过网格法寻找出最优的参数，注意一次交叉验证得到一个参数对所对应的模型精度，网格法目的就是找到使得模型精度达到对高的参数对（这里的参数对可能不止两个，有可能也有其他的），可以使用一些启发式的搜索来降低复杂度，虽然这个方法笨了点，但是它能得到很稳定的搜索结果。需要提到的这里在对训练集进行分割的时候涉及到抽样，一个较好的方法就是分层抽样。从这步可以看出其实 Cross－Validation是一种评估算法的方法。
7. 用6中得到的参数对在整个训练集合上进行训练，从而得出模型。
8. 利用测试集测试模型，得到精度。这个精度可以认为是模型最终的精度。当然有人会担心3步中抽样会有一定的误差，导致8得到的精度不一定是最好的，因此可以重复3－8得到多个模型的精度，然后选择最好的一个精度最为模型的精度（或者求所有精度的均值做为模型精度）。

你上面提到虽然采用rbf核函数，但预测精度还是比较低，可能就是没有做第6步，选择最好的参数gama

[ Last edited by wolfpl on 2010-1-16 at 12:53 ]