coursera斯坦福机器学习公开课支持向量机作业垃圾邮件分类

function [C sigma] = dataset3Params（X y Xval yval）
%EX6PARAMS returns your choice of C and sigma for Part 3 of the exercise
%where you select the optimal （C sigma） learning parameters to use for SVM
%with RBF kernel
%   [C sigma] = EX6PARAMS（X y Xval yval） returns your choice of C and 
%   sigma. You should complete this function to return the optimal C and 
%   sigma based on a cross-validation set.
%

% You need to return the following variables correctly.
C = 1;
sigma = 0.3;
cc=[0.01 0.03 0.1 0.3 1 3 10 30];
ss=[0.01 0.03 0.1 0.3 1 3 10 30];
error=zeros（641）;
% ====================== YOUR CODE HERE ======================
% Instructions: Fill in this function to return the optimal C and sigma
%               learning parameters found using the cross validation set.
%               You can use svmPredict to predict the labels on the cross
%               validation set. For example 
%                   predictions = svmPredict（model Xval）;
%               will return the predictions on the cross validation set.
%
%  Note: You can compute the prediction error using 
%        mean（double（predictions ~= yval））
%
for i=1:length（cc）
    for j=1:length（ss）
        model= svmTrain（X ycc（i） @（x1 x2） gaussianKernel（x1 x2 ss（j）））; 
        predict=svmPredict（model Xval）;
        error（（i-1）*8+j）=mean（double（predict ~= yval））;
    end
end
[eindex]=min（error）;
ctmp=floor（index/8）;
stmp=rem（index8）;
C=cc（ctmp）;
sigma=ss（stmp）;


% =========================================================================

end

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

     文件       1543  2015-12-16 19:12  ex6\dataset3Params.m

     文件       2154  2015-12-16 19:38  ex6\emailFeatures.m

     文件        393  2013-11-18 21:54  ex6\emailSample1.txt

     文件       1301  2013-11-18 21:54  ex6\emailSample2.txt

     文件       4128  2013-11-18 21:54  ex6\ex6.m

     文件        981  2013-11-18 21:54  ex6\ex6data1.mat

     文件       7604  2013-11-18 21:54  ex6\ex6data2.mat

     文件       6038  2013-11-18 21:54  ex6\ex6data3.mat

     文件       4593  2013-11-18 21:54  ex6\ex6_spam.m

     文件        707  2015-12-16 16:57  ex6\gaussianKernel.m

     文件        761  2013-11-18 21:54  ex6\getVocabList.m

     文件       1624  2015-04-02 16:08  ex6\lib\jsonlab\AUTHORS.txt

     文件       3862  2015-04-02 16:08  ex6\lib\jsonlab\ChangeLog.txt

     文件        881  2015-04-02 16:08  ex6\lib\jsonlab\jsonopt.m

     文件       1551  2015-04-02 16:08  ex6\lib\jsonlab\LICENSE_BSD.txt

     文件      18732  2015-04-02 16:08  ex6\lib\jsonlab\loadjson.m

     文件      15574  2015-04-02 16:08  ex6\lib\jsonlab\loadubjson.m

     文件        771  2015-04-02 16:08  ex6\lib\jsonlab\mergestruct.m

     文件      19369  2015-04-02 16:08  ex6\lib\jsonlab\README.txt

     文件      17462  2015-04-02 16:08  ex6\lib\jsonlab\savejson.m

     文件      16123  2015-04-02 16:08  ex6\lib\jsonlab\saveubjson.m

     文件       1094  2015-04-02 16:08  ex6\lib\jsonlab\varargin2struct.m

     文件       1195  2015-04-02 16:08  ex6\lib\makeValidFieldName.m

     文件       3734  2015-04-02 16:08  ex6\lib\submitWithConfiguration.m

     文件        323  2013-11-18 21:54  ex6\linearKernel.m

     文件        569  2013-11-18 21:54  ex6\plotData.m

     文件       9902  2013-11-18 21:54  ex6\porterStemmer.m

     文件       3939  2015-12-16 19:34  ex6\processEmail.m

     文件        396  2013-11-18 21:54  ex6\readFile.m

     文件        655  2013-11-18 21:54  ex6\spamSample1.txt

............此处省略17个文件信息