vectorial soporte maquinas ejemplos matlab machine-learning svm

soporte - Ejemplo de 10 veces la clasificación de SVM en MATLAB



maquinas de soporte vectorial ejemplos (1)

Necesito un ejemplo descriptivo que muestre cómo hacer una clasificación SVM de 10 veces en un conjunto de datos de dos clases. solo hay un ejemplo en la documentación de MATLAB, pero no es 10 veces. ¿Alguien me puede ayudar?


Aquí hay un ejemplo completo, que utiliza las siguientes funciones de la Caja de herramientas de Bioinformática: SVMTRAIN , SVMCLASSIFY , CLASSPERF , CROSSVALIND .

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

con la salida:

ans = 0.99333 ans = 100 1 0 49 0 0

obtuvimos un 99.33% precisión con solo una instancia de ''setosa'' clasificada incorrectamente como ''no setosa''

ACTUALIZACIÓN : las funciones de SVM se han movido a la caja de herramientas Estadísticas en R2013a