十折交叉验证SVM分类器Matlab代码

采用了十折交叉验证提高了分类的准确性，分类器分类函数可以替换成Linear，quadratic，rbf函数

clear;clc;
X=xlsread（‘book44‘）;
[m n]=size（X）;
[Bcmaker]=xlsread（‘book33‘）;
ind=crossvalind（‘Kfold‘m10）;                      %采用十折交叉验证法
for i=1:10
test=（ind==i）;
train=~test;
X_tr=X（train:）;  
X_te=X（test:）;
Y_tr=cmaker（train1）;
Y_te=cmaker（test1）;
[gindexgroups] = grp2idx（Y_tr）;
option=statset（‘MaxIter‘80000）;
s=svmtrain（X_trgindex‘Method‘‘SMO‘ ‘Kernel_Function‘‘quadratic‘‘options‘option） ;%训练支持向量机分类器；SMO代表%使用序列最小化方法训练支持向量机的分类器；polynomial代表多项式核函数
sv_index=s.SupportVectorIndices ; %返回支持向量的标号
beta=s.Alpha;  %返回分类函数的权系数
bb=s.Bias;  %返回分类函数的常数项
mean_and_std_trans=s.ScaleData; %第1行返回的是已知样本点均值向量的相反数，第2行返回的是标准差向量的倒数

check=svmclassify（sX_tr）;  %验证已知样本点
err_rate（1i）=1-sum（gindex==check）/length（gindex） ;%计算已知样本点的错判率

end
AvgCorrectRate=1-mean（err_rate）;                     %计算争取率平均值
fprintf（‘cp.ErrorRate = %f\n‘AvgCorrectRate）; 
% test=xlsread（‘x_test‘）;
% solution=svmclassify（stest） %对待判样本点进行分类

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1100  2017-05-05 23:27  testsvm.m

     文件      32256  2017-05-05 20:50  book33.xls

     文件      63488  2017-05-05 20:51  book44.xls

----------- ---------  ---------- -----  ----

                96844                    3