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

faruto

官方团队

faruto不知何许人也~

Rank: 25

签到天数: 9 天

[LV.3]偶尔看看II

UID: 18677
主题: 233
帖子: 4731
积分: 13679
威望: 197
贝壳: 3720
贡献: 6722

发表于 2011-6-10 15:31:10 |显示全部楼层 |

百度

谷歌 |

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