
在MATLAB中進(jìn)行基于SVM的數(shù)據(jù)分析
MATLAB除了可以被用來(lái)進(jìn)行信號(hào)處理之外,還可以用來(lái)完成一些數(shù)據(jù)挖掘任務(wù)。而說(shuō)到數(shù)據(jù)挖掘,你腦海里一定會(huì)閃現(xiàn)過(guò)許多熟悉的算法,例如決策樹(shù)、樸素貝葉斯、邏輯回歸,以及支持向量機(jī)(SVM)等等。下面我們就以SVM為例來(lái)看看利用MATLAB進(jìn)行數(shù)據(jù)挖掘是一種怎樣的體驗(yàn)。
MATLAB中用來(lái)進(jìn)行基于SVM的數(shù)據(jù)挖掘的核心函數(shù)是 svmclassify() 和 svmtrain()。從函數(shù)名就能很容易地看出來(lái),后者是用來(lái)進(jìn)行模型訓(xùn)練的,而前者則是用后者訓(xùn)練出來(lái)的模型來(lái)對(duì)數(shù)據(jù)進(jìn)行分類(lèi)。首先我們來(lái)看看線性可分的情況,后續(xù)我們還會(huì)討論更復(fù)雜的線性不可分的例子。
這里所使用的數(shù)據(jù)是費(fèi)希爾的鳶尾花數(shù)據(jù),我們首先導(dǎo)入數(shù)據(jù)(數(shù)據(jù)一共有150行,取前2/3作為訓(xùn)練數(shù)據(jù),對(duì)應(yīng)的類(lèi)別是setosa和versicolor)
[plain] view plain copy
>> load fisheriris
>> xdata = meas(1:100,3:4);
>> group = species(1:100);
函數(shù) svmtrain()的調(diào)用格式如下:
SVMStruct = svmtrain(Training,Group,Name,Value)
其中Training是feature向量,Group表示分屬之類(lèi)別。Name和Value是可選參數(shù)(也就是可以不寫(xiě)),而且必須成對(duì)使用,其中Name表示參數(shù)名,而Value則對(duì)應(yīng)相應(yīng)的參數(shù)取值。由于Name-Value的可取參數(shù)對(duì)非常之多,我們這里不一一列舉(有需要的讀者可以參閱MATLAB的幫助文檔以了解更多),僅僅給出兩個(gè)例子:比如,如果把Name置為'showplot',就可以通過(guò)緊跟其后的Value取值來(lái)控制是否將訓(xùn)練模型繪制成圖,默認(rèn)是'False',表示不會(huì)圖。另外一個(gè)有用的參數(shù)是'kernel_function',如果你對(duì)SVM算法比較了解的話應(yīng)該知道,核函數(shù)主要是通過(guò)空間轉(zhuǎn)換來(lái)將原本線性不可分的數(shù)據(jù),轉(zhuǎn)換到另外一個(gè)線性可分的空間上,后續(xù)我們還會(huì)給出具體例子。
下面的代碼就可以訓(xùn)練得到一個(gè)分類(lèi)模型:
[plain] view plain copy
>> svmStruct = svmtrain(xdata,group,'ShowPlot',true);
上述代碼的執(zhí)行結(jié)果如下圖所示(注意因?yàn)槲覀優(yōu)閰?shù)'showplot'賦值為T(mén)rue,所以系統(tǒng)會(huì)繪制出圖):
下面我們用svmclassify() 來(lái)測(cè)試一下模型的分類(lèi)能力:
[plain] view plain copy
<span style="font-size:18px;">>> testdata = [4 1.5;1.8 0.38];
>> species = svmclassify(svmStruct,testdata,'ShowPlot',true)
species =
'versicolor'
'setosa'</span>
如果覺(jué)得文字表述的結(jié)果不夠形象,還可以用圖形來(lái)表示:
[plain] view plain copy
<span style="font-size:18px;">>> hold on;
>> plot(testdata(:,1),testdata(:,2),'ro','MarkerSize',12);
>> hold off</span>
上述代碼的執(zhí)行結(jié)果如圖所示(其中被圓周圈起來(lái)的就是我們引入的測(cè)試數(shù)據(jù)):
如果數(shù)據(jù)是線性不可分的,SVM是否能夠應(yīng)對(duì)呢?來(lái)看下面的例子,首先,我們生成兩組數(shù)據(jù)data1和data2
[plain] view plain copy
>> rng(1); % For reproducibility
r = sqrt(rand(100,1)); % Radius
t = 2*pi*rand(100,1); % Angle
data1 = [r.*cos(t), r.*sin(t)]; % Points
>> r2 = sqrt(3*rand(100,1)+1); % Radius
t2 = 2*pi*rand(100,1); % Angle
data2 = [r2.*cos(t2), r2.*sin(t2)]; % points
data1和data2是線性不可分的。用圖形來(lái)表示或許更加一目了然,所以我們來(lái)繪圖:
[plain] view plain copy
>> figure;
plot(data1(:,1),data1(:,2),'r.','MarkerSize',15)
hold on
plot(data2(:,1),data2(:,2),'b.','MarkerSize',15)
ezpolar(@(x)1);ezpolar(@(x)2);
axis equal
hold off
上述代碼的執(zhí)行結(jié)果如下:
然后我們把兩組數(shù)據(jù)組織到一起,并加上分類(lèi)標(biāo)簽‘+1’和‘-1’。
[plain] view plain copy
>> data3 = [data1;data2];
theclass = ones(200,1);
theclass(1:100) = -1;
然后分別用高斯核函數(shù)與多項(xiàng)式核函數(shù)來(lái)進(jìn)行空間轉(zhuǎn)換,并在此基礎(chǔ)上進(jìn)行基于SVM的分類(lèi):
[plain] view plain copy
>> svmModel = svmtrain(data3, theclass, 'kernel_function','rbf','ShowPlot',true);
>> svmModel = svmtrain(data3, theclass, 'kernel_function','polynomial','ShowPlot',true);
下圖基于高斯核函數(shù)的SVM分類(lèi)結(jié)果:
下圖基于多項(xiàng)式核函數(shù)的SVM分類(lèi)結(jié)果:
可見(jiàn)原本不可分的數(shù)據(jù),現(xiàn)在已經(jīng)被成功分類(lèi)了。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱(chēng) BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專(zhuān)注于從單 ...
2025-07-09year_month數(shù)據(jù)類(lèi)型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類(lèi)型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門(mén)控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專(zhuān)業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03