高人对libsvm的经典总结(全面至极)
==》转自:http://blog.163.com/crazyzcs@126/blog/static/129742050201061192243911/
http://www.ilovematlab.cn/viewthread.php?tid=74019&sid=vYpSs5
SVM相关资源汇总[matlab-libsvm-class-regress](by faruto)
SVM相关资源汇总[matlab-libsvm-class-regress](by faruto)
----关于SVM的那点破事
by faruto
可以了,终于可以完结了!这帖子我编辑过n次,不断的往里面添加东西,我想今晚可能是我最后一次编辑这个帖子.在这个帖子里面您可以找到如下和SVM相关的东西.
1.关于SVM的工具箱-libsvm-mat
(1)本帖子中的所有资源所使用的SVM的工具箱是libsvm-mat,没有使用其他的SVM工具箱,我坚信把这一个SVM的工具箱研究的透彻就够了,反正我是够用了!
(2)关于libsvm-mat的安装的问题,你可以看下面的Q&A,也可以下载相应的我制作的SVM的视频
(3)关于libsvm-mat工具箱本身的使用问题,几乎所有的疑问你都可以找到答案~
(4)关于libsvm-mat版本更新的问题,林智仁官方的最新版本是:libsvm-mat-2.89-3,在下面你可以找到下载的链接,官方网页上
的链接有问题,我是向林直接要的.还有一个faruto版本的libsvm,最新的是[farutoFinalVersion],我在里面加进了各种
SVM参数优化的子函数,方便使用.在下面亦有下载链接.
2.关于SVM的理论相关的.
在下面提供了一些资源和paper, ppt,pdf,虽然这几个资源是有限的,但我敢说足够了.原因有两个:a.下面的几个文献本身质量就很高.b.这些文献主要的SVM的参考文献已经几乎全部列出了,你可以寻径查找.
3.关于......
====================================================================
几乎 (almost everyone)关于你想问的有关libsvm的所有问题在这个帖子中都有答案.
so请详细阅读此帖子后.若你的问题找不到答案,再发帖~
libsvm-mat-2.89-3-[farutoFinalVersion]
libsvm-mat-2.89-3-[farutoUltimateVersion2.0]
farutoUltimateVersion2.0就是最后的版本号了。我不会再更新啦~大家就下载这个版本的就可以啦。虽说近期也有一些更新和优化,但整体都是在这个的基础上啦。
====================另 libsvm-mat-farutoversion 版本更新历史[版本号有点乱大家别介意.O(∩_∩)O]:
farutoUltimateVersion1.0:2009.10.28
http://www.ilovematlab.cn/viewthread.php?tid=54665&highlight=%2Bfaruto
libsvm-mat-2.89-3-[farutoFinalVersion+pca]:2009.10.28
http://www.ilovematlab.cn/viewthread.php?tid=54658&highlight=%2Bfaruto
libsvm-mat-2.89-3-[farutoFinalVersion]:2009.10.08
http://www.ilovematlab.cn/viewthread.php?tid=52388&highlight=%2Bfaruto
libsvm-mat-2.89-3-farutoVer2:2009.09.23
http://www.ilovematlab.cn/viewthread.php?tid=51166&highlight=%2Bfaruto
libsvm-mat-2.89-3-farutoVer1:2009.08.27
http://www.ilovematlab.cn/viewthread.php?tid=48175&highlight=%2Bfaruto
============
欢迎您购买 《MATLAB 神经网络30个案例分析》(我是作者之一)
SVM是该书的内容之一
购买方式:http://www.ilovematlab.cn/thread-47939-1-1.html
MATLAB 神经网络30个案例分析——目录
http://www.ilovematlab.cn/thread-59023-1-1.html
与该书配套的有该加强工具箱的详细的使用视频:
SVM讲解视频汇总[by faruto]http://www.ilovematlab.cn/thread-62252-1-1.html
================
关于SVM[libsvm]的常见问题整理[Q&A]
强烈建议您再发有关libsvm的问题前,看一下Q&A大多数的问题您在那里就会找到答案~~O(∩_∩)O
==============
==========SVM入门精品讲解系列 十连弹=============
SVM入门精品讲解系列之一
SVM入门精品讲解系列之二&之三
SVM入门精品讲解系列之四
SVM入门精品讲解系列之五&六
SVM入门精品讲解系列之七
SVM入门精品讲解系列之八
SVM入门精品讲解系列之九&十
==========SVM视频===============================
【视频】神经网络libsvm-mat-加强工具箱介绍, 最好的SVM教程
http://www.ilovematlab.cn/thread-59483-1-1.html
Matlab 神经网络(八.1):SVM神经网络理论实际应用
Matlab 神经网络(八.2):SVM神经网络理论理论分析
=========SVM其他相关链接=========================
关于libsvm分类结果的可视化及分类曲线的可视化
Binary-class Cross Validation with Different Criteria
利用GA优化SVM参数的一点小探索
libsvm-mat-2.89-3-[farutoFinalVersion+pca]
利用PSO优化SVM参数的一点小探索
Matlab的libsvm-mat faruto版本 Ver2
Matlab利用libsvm做回归分析的一个小例子-by faruto
关于SVM参数c&g选取的总结帖[matlab-libsvm]
Matlab的FIG(信息粒化)+SVM对于上证指数的预测
libsvm的最新版本----libsvm-mat-2.89-3
libsvm更新版本----faruto version
有关Matlab中的SVM的一些问题的讨论[一次邮件往来]
有关SVM和libsvm的非常好的资料,想要详细研究SVM看这个
SVM的多类问题
交叉验证(Cross Validation)方法思想简介
关于libsvm分类结果的可视化及分类曲线的可视化
[framework] libsvmfarutoUltimateVersion3.0]
再论Matlab的libsvm的安装
如何利用LIBSVM-MAT画ROC曲线?
再议归一化问题
=================================================
SVM工具箱快速入手简易教程(by faruto)
最
近发现好多朋友有关SVM的工具箱的使用方法相关的东西,其实帮助文件里都有的[无论是matlab自带的还是libsvm都是有帮助文件的而且写的也明
确,但还是有朋友问问],无奈我就写一个小简易的上手的教程,事先声明只给菜鸟写的,高手就不要看了,其实帮助文件里都有,你也可以看帮助文件,不用看我
的.O(∩_∩)O..
一. matlab 自带的函数(matlab帮助文件里的例子)[只有较新版本的matlab中有这两个SVM的函数]
=====
svmtrain svmclassify
=====简要语法规则====
svmtrain
Train support vector machine classifier
Syntax
SVMStruct = svmtrain(Training, Group)
SVMStruct = svmtrain(..., 'Kernel_Function', Kernel_FunctionValue, ...)
SVMStruct = svmtrain(..., 'RBF_Sigma', RBFSigmaValue, ...)
SVMStruct = svmtrain(..., 'Polyorder', PolyorderValue, ...)
SVMStruct = svmtrain(..., 'Mlp_Params', Mlp_ParamsValue, ...)
SVMStruct = svmtrain(..., 'Method', MethodValue, ...)
SVMStruct = svmtrain(..., 'QuadProg_Opts', QuadProg_OptsValue, ...)
SVMStruct = svmtrain(..., 'SMO_Opts', SMO_OptsValue, ...)
SVMStruct = svmtrain(..., 'BoxConstraint', BoxConstraintValue, ...)
SVMStruct = svmtrain(..., 'Autoscale', AutoscaleValue, ...)
SVMStruct = svmtrain(..., 'Showplot', ShowplotValue, ...)
---------------------
svmclassify
Classify data using support vector machine
Syntax
Group = svmclassify(SVMStruct, Sample)
Group = svmclassify(SVMStruct, Sample, 'Showplot', ShowplotValue)
============================实例研究====================
load fisheriris
%载入matlab自带的数据[有关数据的信息可以自己到UCI查找,这是UCI的经典数据之一],得到的数据如下图:
tu1
[attach]24862[/attach]
其中meas是150*4的矩阵代表着有150个样本每个样本有4个属性描述,species代表着这150个样本的分类.
data = [meas(:,1), meas(:,2)];
%在这里只取meas的第一列和第二列,即只选取前两个属性.
groups = ismember(species,'setosa');
%由于species分类中是有三个分类:setosa,versicolor,virginica,为了使问题简单,我们将其变为二分类问题:Setosa and non-Setosa.
[train, test] = crossvalind('holdOut',groups);
cp = classperf(groups);
%随机选择训练集合测试集[有关crossvalind的使用请自己help一下]
其中cp作用是后来用来评价分类器的.
svmStruct = svmtrain(data(train,:),groups(train),'showplot',true);
%使用svmtrain进行训练,得到训练后的结构svmStruct,在预测时使用.
训练结果如图:
tu2
[attach]24863[/attach]
classes = svmclassify(svmStruct,data(test,:),'showplot',true);
%对于未知的测试集进行分类预测,结果如图:
tu3
[attach]24864[/attach]
classperf(cp,classes,test);
cp.CorrectRate
ans =
0.9867
%分类器效果测评,就是看测试集分类的准确率的高低.
二.台湾林智仁的libsvm工具箱
该工具箱下载[libsvm-mat-2.86-1]:[attach]24867[/attach]
安装方法也很简单,解压文件,把当前工作目录调整到libsvm所在的文件夹下,再在set path里将libsvm所在的文件夹加到里面.然后
在命令行里输入
mex -setup %选择一下编译器
make
这样就可以了.
建议大家使用libsvm工具箱,这个更好用一些.可以进行分类[多类别],预测....
=========
svmtrain
svmpredict
================
简要语法:
Usage
=====
matlab> model = svmtrain(training_label_vector, training_instance_matrix [, 'libsvm_options']);
-training_label_vector:
An m by 1 vector of training labels (type must be double).
-training_instance_matrix:
An m by n matrix of m training instances with n features.
It can be dense or sparse (type must be double).
-libsvm_options:
A string of training options in the same format as that of LIBSVM.
matlab>
[predicted_label, accuracy, decision_values/prob_estimates] =
svmpredict(testing_label_vector, testing_instance_matrix, model [,
'libsvm_options']);
-testing_label_vector:
An m by 1 vector of prediction labels. If labels of test
data are unknown, simply use any random values. (type must be double)
-testing_instance_matrix:
An m by n matrix of m testing instances with n features.
It can be dense or sparse. (type must be double)
-model:
The output of svmtrain.
-libsvm_options:
A string of testing options in the same format as that of LIBSVM.
Returned Model Structure
========================
实例研究:
load heart_scale.mat
%工具箱里自带的数据
如图:
tu4
[attach]24873[/attach]
其中 heart_scale_inst是样本,heart_scale_label是样本标签
model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
%训练样本,具体参数的调整请看帮助文件
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);
%分类预测,这里把训练集当作测试集,验证效果如下:
>>
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label,
heart_scale_inst, model); % test the training data
Accuracy = 86.6667% (234/270) (classification)
==============
这
回把SVM这点入门的东西都说完了,大家可以参照着上手了,有关SVM的原理我下面有个简易的PPT,是以前做项目时我做的[当时我负责有关SVM这一块
代码实现讲解什么的],感兴趣的你可以看看,都是上手较快的东西,想要深入学习SVM,你的学习统计学习理论什么的....挺多的呢..
[attach]24876[/attach]
-----------有关SVM和libsvm的非常好的资料,想要详细研究SVM看这个------
[attach]32035[/attach]
[attach]32036[/attach]
[attach]32037[/attach]
[attach]32038[/attach]
其中那个林智仁06年机器学习暑期学校讲义pdf是 matlab@man提供的[http://www.ilovematlab.cn/thread-47506-1-1.html]
图:
[attach]32039[/attach]
[attach]32040[/attach]
[attach]32041[/attach]
[attach]32042[/attach]
[ 本帖最后由 faruto 于 2010-1-17 15:07 编辑 ]
孤单是一个人的狂欢狂欢是一群人的孤单 神经网络30个案例分析
高人对libsvm的经典总结(全面至极)的更多相关文章
- Conquer and Divide经典例子之汉诺塔问题
递归是许多经典算法的backbone, 是一种常用的高效的编程策略.简单的几行代码就能把一团遭的问题迎刃而解.这篇博客主要通过解决汉诺塔问题来理解递归的精髓. 汉诺塔问题简介: 在印度,有这么一个古老 ...
- 用libsvm进行回归预测
最近因工作需要,学习了台湾大学林智仁(Lin Chih-Jen)教授等人开发的SVM算法开源算法包. 为了以后方便查阅,特把环境配置及参数设置等方面的信息记录下来. 林教授年轻时照片 SVM属于十大挖 ...
- 使用LIBSVM工具实现样本分类预测——MatLab
准备工作: https://www.csie.ntu.edu.tw/~cjlin/libsvm/,下载LIBSVM:(LIBSVM工具相较于MATLAB自带的工具:1).支持多分类及回归(‘-s 0’ ...
- [zt]给你的Mp4大换血,精选Touch里3年收集的900多首歌,"经典不忍去的""最新近流行的",与你共享~~
如果你是音乐爱好者: 这些歌, 请戴上耳机, 调大音量, 一个人听 ,全世界 都是你的!!!!! (一)这些歌很温暖,没有金属味,适合有阳光的午后,很悠闲... [Anaesthesia]Maximi ...
- Libsvm学习
本篇博客转自 http://www.cppblog.com/guijie/archive/2013/09/05/169034.html 在电脑文件夹E:\other\matlab 20 ...
- 机器学习经典算法详解及Python实现--基于SMO的SVM分类器
原文:http://blog.csdn.net/suipingsp/article/details/41645779 支持向量机基本上是最好的有监督学习算法,因其英文名为support vector ...
- 机器学习&深度学习经典资料汇总,data.gov.uk大量公开数据
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- libSVM 参数选择
libSVM 参数选择 [预测标签,准确率,决策值]=svmpredict(测试标签,测试数据,训练的模型); 原文参考:http://blog.csdn.net/carson2005/art ...
- TCP/IP的经典网络编程
TCP/IP网络编程之四书五经 ...
随机推荐
- [ 转载 ] Java中常用的设计模式
Java中常用的设计模式 1.单例模式 单例模式有以下特点: 1.单例类只能有一个实例. 2.单例类必须自己创建自己的唯一实例. 3.单例类必须给所有其他对象提供这一实例. 单例模式确保某个类只有一个 ...
- luoguP3359 改造异或树 线段树合并
删边转化为加边 然后每次用线段树合并就行..... 确确实实很简单 然而为什么线段树合并跑不过$splay$的启发式合并,常数稍大了点... 复杂度$O(n \log n)$ #include < ...
- 如何设置VMware中Linux命令行环境全屏
在VMware安装Linux后默认屏幕为640×480,如需修改,则请参考以下步骤.以下以CentOS 6.6安装于VMware Workstation 9中为例说明. 1.默认640x480x16, ...
- 使用邮件和RSS两种方式,订阅博客更新通知
分类: 系统运维 点击订阅按钮,可以订阅本博客的更新 输入您的邮件地址,可以订阅本博客的更新通知,及时了解最新内容 使用RSS,订阅-马二进三名人传记-博客 也许大家是第一次听到RSS这个概念,那什么 ...
- Cocos2d-x移植android增加震动效果
cpp部分通过jni调用java静态函数 头文件: #include <jni.h> #include "cocos2d.h" #include "platf ...
- Solution for sending Whatsapp via sqlite "INSERT INTO"
I use something similar but thought I'd mention this 'bug' that can happen:when you INSERT '%wa_mess ...
- HttpPost+json请求---服务器中文乱码及其他
好凌乱的题目,只是一些功能点的总结咯. 首先构造一个json对象用于存放数据,如果光加上header为utf-8就能解决中文就大错特错了... json对象可以put变量,也可以put对象.取的时候o ...
- mysql学习心得转
http://www.cnblogs.com/lyhabc/p/3691555.html
- erlang debug
http://www.cnblogs.com/goldli/archive/2011/03/08/1976998.html erlang 模块文件 helloworld.erl 文件内容: -modu ...
- 图片未完成加载显示loading
<html> <title>js图片未加载完显示loading效果</title> <body> <style> img{float:lef ...