SVM多分类代码

svm多分类代码，包括一对多和一对一两种多分类策略，内含数据集，代码可以直接运行，对了解多分类绝对大有帮助。

clc;  
clear all;  
  
[iris_labeliris_data] = libsvmread（‘iris.scale‘）;%读取数据到matlab格式  
% [~~labels] = unique（species）;   %# labels: 1/2/3  
% data = zscore（meas）;              %# scale features  
numInst = size（iris_data1）;  
numLabels = max（iris_label）;  
  
%# split training/testing  
idx = randperm（numInst）;  
numTrain = 100;  
numTest = numInst - numTrain;  
trainData = iris_data（idx（1:numTrain）:）;   
testData = iris_data（idx（numTrain+1:end）:）;  
trainLabel = iris_label（idx（1:numTrain））;  
testLabel = iris_label（idx（numTrain+1:end））;  
  
model= svmtrain（trainLabel trainData ‘-c 1 -g 0.2 -b 1‘）;  
[predict_label accuracy prob] = svmpredict（testLabeltestData model‘-b 1‘）;  
% fprintf（‘准确率为%d.....\n‘accuracy）;

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

    I.A....      6954  2017-03-31 19:41  SVM 多分类\iris.scale

     文件        768  2017-03-31 19:44  SVM 多分类\OneVsOne.m

     文件       1328  2017-03-31 20:08  SVM 多分类\OneVsRest.m

     目录          0  2017-03-31 20:57  SVM 多分类

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

                 9050                    4