(更新libsvm-faruto版本归来)libsvm-3.1-[FarutoUltimate3.1Mcode]

faruto · 发表于 2011-6-10 15:31:10

本帖最后由 faruto 于 2011-8-3 17:28 编辑

【工具箱】

libsvm-3.1-[FarutoUltimate3.1Mcode]

其他名称：libsvm-faruto版本，libsvm-faruto加强工具箱，libsvm-farutoUltimate版本

【更新说明】

libsvm-faruto版本好久都没有更新了，近期我将代码重新整理了一下，看到注释中上次更新代码的时间是2010.01.17，才发现libsvm-faruto版本已经一年多没有添加进行更新，看着自己以前编写的一行行代码，心中不免想起过往那些逝去的岁月，想起过往的那些人，煽情的不多说，此次更新主要内容如下：

1.基于目前的最新的libsvm-3.1编写。
2.对原来的部分代码进行了重新优化。
3.添加ClassResult.m函数，方便给出各种分类准确率，以及给出判别函数的权值w、偏置b、支持向量在原始训练集中的位置索引以及alpha系数。
给出这个函数的目的是方便大家，个人感觉这个函数会对相关朋友有很大帮助。
4.重新编写说明文档TutorialForFarutoUltimate3.1.pdf

由于libsvm回归不支持多输出，本来还想实现libsvm的多输出（lssvm支持多输出，但我详细研究了一下lssvm也就是一维一维的进行回归实现的多输出，libsvm完全可以仿照这种形式实现多输出），但后来又犯懒，因为实在没有技术含量，就搁置了。如果实现有朋友需要就在后期的版本更新中添加吧。另外给大家做个预告，暑假期间我会制作一系列的关于libsvm工具箱和lssvm工具箱的视频，完全免费下载。之前在我的那个专辑期刊中做过预告，这里权当造势啦。O(∩_∩)O

ClassResult.m源代码

function CR = ClassResult(label, data, model, type)
% by faruto
% last modified 2011.06.09
% type 1：输入的data为训练节
% 2：输入的data为测试集
% 当输入的data为训练集时，需要事先在外部将标签转换为1，-1
%%
if nargin < 4
type = 1;
end
CR = struct();
%%
[plabel,acc,dec] = svmpredict(label,data,model);
%% some info of the data set
disp('===some info of the data set===')
str = sprintf('#class is %d',model.nr_class);
disp(str)
lstr = ['类别标签为 '];
for i = 1:size(model.Label,1)
lstr = [lstr, num2str(model.Label(i)),' '];
end
disp(lstr);
if type == 1
str = ...
sprintf('支持向量数目 %d,所占训练集样本数目比例 %g%% （%d/%d）',model.totalSV,model.totalSV/size(data,1)*100,model.totalSV,size(data,1));
disp(str);
ratio = model.totalSV/size(data,1)*100;
if ratio >= 80
disp('Tips:支持向量数目所占比例过大(>=80%),可以考虑重新优化参数')
end
else
str = ...
sprintf('支持向量数目 %d',model.totalSV);
disp(str);
end
%% 各种分类准确率
disp('===各种分类准确率===');
CR.accuracy = zeros(1,size(model.Label,1)+1);
CR.accuracy(1) = sum(plabel == label)/numel(label);
str = ...
sprintf('整体分类准确率 = %g%% (%d/%d)',CR.accuracy(1)*100,sum(plabel == label),numel(label));
disp(str)
for i = 1:numel(model.Label)
p = 0;
n = 0;
for run = 1:numel(label)
if label(run) == model.Label(i)
if plabel(run) == model.Label(i)
p = p + 1;
else
n = n + 1;
end
end
end
CR.accuracy(i+1) = p/(p+n);
str = ...
sprintf('第 %d 类分类准确率 = %g%% (%d/%d)',model.Label(i),CR.accuracy(i+1)*100,p,p+n);
disp(str);
end
%%
if type == 1
[tmp index]=ismember(model.SVs,data,'rows');
CR.SVlocation = index;
end
%%
if numel(model.Label) == 2 && type == 1
CR.b = -model.rho;
CR.w = model.sv_coef;
CR.alpha = zeros(size(model.sv_coef,1),1);
for i = 1:size(model.sv_coef,1)
CR.alpha(i) = CR.w(i)/label(CR.SVlocation(i));
end
end

复制代码

ClassResult.m函数测试代码

%% ClassResult_test
% by faruto
%% a litte clean work
tic;
close all;
clear;
clc;
format compact;
%%
% load wine_test;
% label = train_data_labels;
% data = train_data;
load heart_scale;
data = heart_scale_inst;
label = heart_scale_label;
model = svmtrain(label,data);
%%
type = 1;
CR = ClassResult(label, data, model, type)
%%
toc;

复制代码

测试结果

Accuracy = 86.6667% (234/270) (classification)
===some info of the data set===
#class is 2
类别标签为 1 -1
支持向量数目 132,所占训练集样本数目比例 48.8889% （132/270）
===各种分类准确率===
整体分类准确率 = 86.6667% (234/270)
第 1 类分类准确率 = 80.8333% (97/120)
第 -1 类分类准确率 = 91.3333% (137/150)
CR =
accuracy: [0.8667 0.8083 0.9133]
SVlocation: [132x1 double]
b: -0.4245
w: [132x1 double]
alpha: [132x1 double]
Elapsed time is 0.023713 seconds.
>>

复制代码

【工具箱下载】

libsvm-3.1-[FarutoUltimate3.1Mcode].rar (1.16 MB, 下载次数: 698441)

florakaka · 发表于 2017-12-6 18:59:31

楼主您好！我使用您的工具箱的时候出了点问题：
mex -setup
MEX 配置为使用 'Microsoft Visual C++ 2010 (C)' 以进行 C 语言编译。
警告: MATLAB C 和 Fortran API 已更改，现可支持
包含 2^32-1 个以上元素的 MATLAB 变量。不久以后，
   您需要更新代码以利用
   新的 API。您可以在以下网址找到相关详细信息:
>>  mex -setup C++
MEX 配置为使用 'Microsoft Visual C++ 2010' 以进行 C++ 语言编译。
警告: MATLAB C 和 Fortran API 已更改，现可支持
包含 2^32-1 个以上元素的 MATLAB 变量。不久以后，
   您需要更新代码以利用
   新的 API。您可以在以下网址找到相关详细信息:

make
使用 'Microsoft Visual C++ 2010' 编译。
MEX 已成功完成。
使用 'Microsoft Visual C++ 2010 (C)' 编译。
错误使用 mex
svm_model_matlab.c
D:\libsvm-3.1-[FarutoUltimate3.1Mcode]\matlabold\svm_model_matlab.c(8) : error C2371: “mwIndex”: 重定义；不同的基类型
      d:\program files(x86)\matlab\r2016a\extern\include\tmwtypes.h(796) : 参见“mwIndex”的声明

出错 make (line 6)
mex -O -largeArrayDims -I..\ -c svm_model_matlab.c

恳求大神指导！

geniusmk2 · 发表于 2016-12-13 15:47:31

版主大大你好。
我最近拜读了您的《matlab神经网络43个案例分析》，现有一个问题，第16章回归预测分析中，您提供的代码

% 打印精细选择结果
disp('打印精细选择结果');
str = sprintf( 'Best Cross Validation MSE = %g Best c = %g Best g = %g',bestmse,bestc,bestg);
disp(str);
%% 利用回归预测分析最佳的参数进行SVM网络训练
cmd = ['-c ', num2str(bestc), ' -g ', num2str(bestg) , ' -s 3 -p 0.01'];
model = svmtrain(TS,TSX,cmd);
%% SVM网络回归预测
[predict,mse] = svmpredict(TS,TSX,model);
predict = mapminmax('reverse',predict',TSps);
predict = predict';
% 打印回归结果
str = sprintf( '均方误差 MSE = %g 相关系数 R = %g%%',mse(2),mse(3)*100);
disp(str);

复制代码

中

[predict,mse] = svmpredict(TS,TSX,model);

复制代码

这一句有问题，使用libsvm3.2不能运行这句。
不知道其他人是不是也有遇到这样的问题？

gxyjdr · 发表于 2016-1-31 11:47:36

谢谢楼主分享！

w953146989 · 发表于 2020-4-19 14:16:09

本帖最后由 w953146989 于 2020-4-19 14:54 编辑

看别人都没出这种情况呢

hotonwu · 发表于 2011-6-10 15:41:42

敬佩faruto!!!辛苦了！

aoshuang · 发表于 2011-6-10 15:42:55

期待您能编写一个针对有偏数据集评估准则如AUC等的参数寻优函数

faruto · 发表于 2011-6-10 15:43:55

hotonwu 发表于 2011-6-10 15:41
敬佩faruto!!!辛苦了！

多谢您的支持~

faruto · 发表于 2011-6-10 15:45:36

aoshuang 发表于 2011-6-10 15:42
期待您能编写一个针对有偏数据集评估准则如AUC等的参数寻优函数

关于有偏数据集（un-balanaced label data）相关问题的参数寻优，我一直都列入计划更新中，只是我想更加系统化弄一下。O(∩_∩)O

aoshuang · 发表于 2011-6-10 15:50:49

回复 faruto 的帖子

哈哈太好了希望我这篇文章完成之前能看到您的程序更新嘻嘻~~

faruto · 发表于 2011-6-10 16:14:34

aoshuang 发表于 2011-6-10 15:50
回复 faruto 的帖子

哈哈太好了希望我这篇文章完成之前能看到您的程序更新嘻嘻~~

什么文章？

myisland · 发表于 2011-6-10 22:11:13

灰常感谢，faruto，拜你为师……

zhangym · 发表于 2011-6-11 07:17:59

楼主发帖辛苦了，谢谢楼主分享！
昨天发现MATLAB函数百科很赞，中文函数帮助果然强大哦

faruto · 发表于 2011-6-11 10:43:19

myisland 发表于 2011-6-10 22:11
灰常感谢，faruto，拜你为师……

不客气

		自动登录	找回密码
密码			注册账号

[教程] (更新libsvm-faruto版本归来)libsvm-3.1-[FarutoUltimate3.1Mcode]

评分