三分类_svm_matlab

Iris 是一种鸢尾属植物。在数据记录中，每组数据包含Iris花的四种属性：萼片长度，萼片宽度，花瓣长度，和花瓣宽度，三种不同的花各有50组数据. 这样总共有150组数据或模式。此为基于matlab的Iris花的三分类程序。

clear;
irisData = dlmread（‘iris.data‘）;
% irisData is 150x5.
% row: 
% Sepal.Length    Sepal.Width    Petal.Length    Petal.Width    Group（12or 3）
% the first 50x5 is Isis-setosa（1） 
% the second 50x5 is Isis-versicolor（2）
% the last 50x5 is Isis-virginica（3）.
%
% !!! Caution !!!
% X（50 + 21 :） equals X（50 + 50 + 27 :） but Y（50 + 50 + 21） DOESNOT equal Y（50 + 50 + 27）!
% So the algorithm will NEVER be 100% correct.


plotAxis = [min（irisData（: 3）） max（irisData（: 3）） min（irisData（: 4）） max（irisData（: 4））];
kernel = ‘rbf‘;

c = [1 10 100 1000 10000];
sigma = 1 : 0.5: 3;
[C Sigma] = meshgrid（c sigma）;
C = C（:）;
Sigma = Sigma（:）;
Err = zeros（size（C））;
n = length（Err）;
Xtest = irisData（1 : 150 3 : 4）;



%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% First train Isis-setosa（1） and Isis-versicolor（2） using grid search.
% 
disp（‘.....................................................................‘）
X = irisData（1 : 100 3 : 4）;
Y = irisData（1 : 100 5）;
Y（find（Y==1）） = 1;
Y（find（Y==2）） = -1;
Xtrain = X;

disp（‘Training Isis-setosa（1） and Isis-versicolor（2） using grid search.‘）
disp（‘Please wait a while.‘）;
for i = 1 : n
    [alphaStar bStar SVIndex] = yxcSVMtrain（X Y C（i） kernel Sigma（i））;
    [YClassified Z Err（i）] = yxcSVMclassifer（Xtrain Xtrain Y alphaStar bStar kernel Sigma（i））;
    %disp（sprintf（‘Cross Validation: %d in %d‘ i n））;
end
[mErr i] = min（Err）;

%Compute the minimum one again using the optimal C and Sigma.
[alphaStar bStar SVIndex] = yxcSVMtrain（X Y C（i） kernel Sigma（i））;
[YClassified Z Err（i）] = yxcSVMclassifer（Xtrain Xtrain Y alphaStar bStar kernel Sigma（i））;
disp（sprintf（‘Error rate is %%%d with C = %d sigma = %d‘ mErr*100 C（i） Sigma（i）））;
disp（sprintf（‘There are %d support vectors %d out of %d are wrongly classified‘ ...
    length（SVIndex） mErr*length（Y） length（Y）））;
yxcSVMplot（X Y SVIndex alphaStar bStar kernel Sigma（i） plotAxis）;
title（sprintf（‘Isis-setosa（1） and Isis-versicolor（2） SV = %d Err = %%%d C = %d Sigma = %d‘ ...
     length（SVIndex） mErr*100 C（i） Sigma（i）））;
 
% Test all data on the Isis-setosa（1） and Isis-versicolor（2） data set.
[Y12 Z] = yxcSVMclassifer（Xtrain Xtest Y alphaStar bStar kernel Sigma（i））;
Y12（find（Y12==1）） = 1;
Y12（find（Y12==-1）） = 2;


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Then train Isis-versicolor（2） and Isis-virginica（3） using grid search.
% 
disp（‘.....................................................................‘）
X = irisData（51 : 150 3 : 4）;
Y = irisData（51 : 150 5）;
Y（find（Y==2）） = 1;
Y（find（Y==3）） = -1;
Xtrain = X;

disp（‘Training Isis-versicolor（2） and Isis-virginica（3） using grid search.‘）
disp（‘Please wait a while.‘）;
for i = 1 : n
    [alphaStar bStar SVIndex] = yxcSVMtrain（X Y C（i） kernel Sigma（i））;
    [YClassified Z Err（i）] = yxcSVMclassifer（Xtrain Xtrain

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

     文件       2699  2007-04-04 10:23  三分类_svm_matlab\iris.data

     文件       6455  2007-11-09 10:31  三分类_svm_matlab\irisSVM.m

     文件       1905  2007-11-09 09:22  三分类_svm_matlab\yxcSVMclassifer.m

     文件       1079  2007-11-09 09:22  三分类_svm_matlab\yxcSVMkernel.m

     文件       2118  2007-11-09 09:30  三分类_svm_matlab\yxcSVMplot.m

     文件       2415  2007-11-09 09:19  三分类_svm_matlab\yxcSVMtrain.m

     目录          0  2009-08-03 21:57  三分类_svm_matlab

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

                16671                    7