99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁(yè)精彩閱讀在MATLAB中進(jìn)行基于SVM的數(shù)據(jù)分析
在MATLAB中進(jìn)行基于SVM的數(shù)據(jù)分析
2017-03-20
收藏

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

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn):http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }