SVM（支持向量机）实现数据的三分类

SVM(支持向量机)是模式识别和机器学习中的重要的数据分类的方法.本代码可以实现三分类.

clear;
irisData = dlmread（‘iris.data‘）;

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））;
    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 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

 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       6004  2010-12-19 14:53  三分类_svm_matlab\three_SVM.m

     文件        610  2010-12-19 14:53  三分类_svm_matlab\three_SVMclassifer.m

     文件        575  2010-12-19 14:53  三分类_svm_matlab\three_SVMkernel.m

     文件       1051  2010-12-19 14:54  三分类_svm_matlab\three_SVMplot.m

     文件       1243  2010-12-19 14:54  三分类_svm_matlab\three_SVMtrain.m

     目录          0  2010-12-19 14:56  三分类_svm_matlab

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

                12182                    7