机器学习与神经网络的关系:
机器学习是目的,神经网络是算法。神经网络是实现机器学习的一种方法,平行于SVM。
常用的两种工具:svm tool、libsvm
SVM分为SVC和SVR,svc是专门用来分类的,svr是用来作回归的
注:matlab自带的svm工具箱无回归预测功能
函数介绍:http://blog.sina.com.cn/s/blog_6c76c0890100w1zm.html
libsvm参数介绍:http://blog.csdn.net/changyuanchn/article/details/7540014
clear; N = 50; n=2*N; randn('state',6); x1 = randn(2,N) y1 = ones(1,N); x2 = 5+randn(2,N); y2 = -ones(1,N); figure; plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.'); axis([-3 8 -3 8]); title('C-SVC') hold on; X1 = [x1,x2]; Y1 = [y1,y2]; X=X1'; Y=Y1'; C=Inf; ker='linear'; global p1 p2 p1=3; p2=1; %命令 [nsv alpha bias] = svc(X,Y,ker,C) %训练函数 predictedY = svcoutput(X,Y,X,ker,alpha,bias) %输入预测函数 err = svcerror(trnX,trnY,tstX,tstY,ker,alpha,bias) %分类函数,准确率 svcplot(X,Y,ker,alpha,bias) %画图
libsvm使用(回归预测):
close all; clear; clc; format compact; % 生成待回归的数据 x = (-1:0.1:1)'; y = -x.^2; % 建模回归模型 model = libsvmtrain(y,x,'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01'); % 利用建立的模型看其在训练集合上的回归效果 [py,mse,devalue] = libsvmpredict(y,x,model); figure; plot(x,y,'o'); hold on; plot(x,py,'r*'); legend('原始数据','回归数据'); grid on; % 进行预测 testx = [1.1,1.2,1.3]'; display('真实数据') testy = -testx.^2 [ptesty,tmse,detesvalue] = libsvmpredict(testy,testx,model); display('预测数据'); ptesty