Comment utiliser libsvm dans Matlab?

Je suis nouveau sur matlab et ne savez pas comment l'utiliser libsvm. Est-il un exemple de code pour le classement de certaines données (avec 2 fonctions) avec un SVM et ensuite visualiser le résultat? Comment sur avec le noyau (RBF, Polynôme, et Sigmoïde )?
J'ai vu que le fichier readme dans libsvm paquet, mais je ne pouvais pas faire la tête ou en queue de pourriez-vous nous donner un exemple de classement de 2 classes à l'aide de Machines à Vecteurs de Support (SVM) dans matlab quelque chose comme:

Attribute_1    Attribute_2   Class
170            66            -1
160            50            -1
170            63            -1
173            61            -1
168            58            -1
184            88            +1
189            94            +1
185            88            +1

Toute aide serait très appréciée.

Êtes-vous à l'aide de libsvm à partir d'ici: csie.ntu.edu.tw/~cjlin/libsvm?
oui, j'ai aussi vu le guide là, mais ne pouvait pas l'utiliser

OriginalL'auteur Sina | 2011-12-19

  1. 12

    Dans libsvm paquet, dans le fichier matlab/README, vous pouvez trouver les exemples suivants:

    Examples
========

Train and test on the provided data heart_scale:

matlab> [heart_scale_label, heart_scale_inst] = libsvmread('../heart_scale');
matlab> model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
matlab> [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model); % test the training data

For probability estimates, you need '-b 1' for training and testing:

matlab> [heart_scale_label, heart_scale_inst] = libsvmread('../heart_scale');
matlab> model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07 -b 1');
matlab> [heart_scale_label, heart_scale_inst] = libsvmread('../heart_scale');
matlab> [predict_label, accuracy, prob_estimates] = svmpredict(heart_scale_label, heart_scale_inst, model, '-b 1');

To use precomputed kernel, you must include sample serial number as
the first column of the training and testing data (assume your kernel
matrix is K, # of instances is n):

matlab> K1 = [(1:n)', K]; % include sample serial number as first column
matlab> model = svmtrain(label_vector, K1, '-t 4');
matlab> [predict_label, accuracy, dec_values] = svmpredict(label_vector, K1, model); % test the training data

We give the following detailed example by splitting heart_scale into
150 training and 120 testing data.  Constructing a linear kernel
matrix and then using the precomputed kernel gives exactly the same
testing error as using the LIBSVM built-in linear kernel.

matlab> [heart_scale_label, heart_scale_inst] = libsvmread('../heart_scale');
matlab>
matlab> % Split Data
matlab> train_data = heart_scale_inst(1:150,:);
matlab> train_label = heart_scale_label(1:150,:);
matlab> test_data = heart_scale_inst(151:270,:);
matlab> test_label = heart_scale_label(151:270,:);
matlab>
matlab> % Linear Kernel
matlab> model_linear = svmtrain(train_label, train_data, '-t 0');
matlab> [predict_label_L, accuracy_L, dec_values_L] = svmpredict(test_label, test_data, model_linear);
matlab>
matlab> % Precomputed Kernel
matlab> model_precomputed = svmtrain(train_label, [(1:150)', train_data*train_data'], '-t 4');
matlab> [predict_label_P, accuracy_P, dec_values_P] = svmpredict(test_label, [(1:120)', test_data*train_data'], model_precomputed);
matlab>
matlab> accuracy_L % Display the accuracy using linear kernel
matlab> accuracy_P % Display the accuracy using precomputed kernel

Note that for testing, you can put anything in the
testing_label_vector.  For more details of precomputed kernels, please
read the section ``Precomputed Kernels'' in the README of the LIBSVM
package.
    Je sais que ce fil est vieux, mais ce qu'on entend par "exemple de numéro de série" en ce qui concerne la précalculées noyau?
    Ils font référence à (1:n)'. Fondamentalement, vous pouvez fournir le noyau dans un ordre différent de celui de vos échantillons. Sinon, il suffit d'utiliser (1:n)'

    OriginalL'auteur Oli