libsvm 训练后的模型参数讲解.docVIP

libsvm 训练后的模型参数讲解 本帖子主要就是讲解利用libsvm-mat工具箱建立分类（回归模型）后，得到的模型model里面参数的意义都是神马？以及如果通过model得到相应模型的表达式，这里主要以分类问题为例子。测试数据使用的是libsvm-mat自带的heart_scale.mat数据（270*13的一个属性据矩阵，共有270个样本，每个样本有13个属性），方便大家自己测试学习。首先上一个简短的测试代码： %% ModelDecryption % by faruto @ farutos Studio~ % /faruto % Email:faruto@163.com % % http://www.mfun.la % % last modified by 2011.01.06 %% a litte clean work tic; close all; clear; clc; format compact; %% % 首先载入数据 load heart_scale; data = heart_scale_inst; label = heart_scale_label; % 建立分类模型 model = svmtrain(label,data,-s 0 -t 2 -c 1.2 -g 2.8); model % 利用建立的模型看其在训练集合上的分类效果 [PredictLabel,accuracy] = svmpredict(label,data,model); accuracy %% toc; 复制代码 运行结果： model = Parameters: [5x1 double] nr_class: 2 totalSV: 259 rho: 0.0514 Label: [2x1 double] ProbA: [] ProbB: [] nSV: [2x1 double] sv_coef: [259x1 double] SVs: [259x13 double] Accuracy = 99.6296% (269/270) (classification) accuracy = 99.6296 0.0148 0.9851 Elapsed time is 0.040155 seconds. 复制代码 这里面为了简单起见没有将测试数据进行训练集和测试集的划分，这里仅仅是为了简单明了而已，分类结果估计可以不要管，参数优化也不要管，另有帖子讲解。下面我们就看看 model这个结构体里面的各种参数的意义都是神马，model如下： model = Parameters: [5x1 double]nr_class: 2totalSV: 259rho: 0.0514Label: [2x1 double]ProbA: []ProbB: []nSV: [2x1 double]sv_coef: [259x1 double]SVs: [259x13 double] model.Parameters我们先来看一下model.Parameters里面承装的都是什么： model.Parameters ans = 0 2.0000 3.0000 2.8000 0 复制代码 重要知识点： model.Parameters参数意义从上到下依次为：-s svm类型：SVM设置类型(默认0)-t 核函数类型：核函数设置类型(默认2)-d degree：核函数中的degree设置(针对多项式核函数)(默认3)-g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数) (默认类别数目的倒数)-r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0)即在本例中通过model.Parameters我们可以得知 –s 参数为0；-t 参数为 2；-d 参数为3；-g 参数为2.8（这也是我们自己的输入）；-r 参数为0。关于libsvm参数的一点小说明： Libsvm中参数设置可以按照SVM的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。model.Label model.nr_class model.Label ans = 1 -1 model.nr_class ans = 2 复制代码 重要知识点： model.Label表示数据集中类别的标签都有什么，这里是 1，-1；model.nr_class表示数据集中有多少类别，这里是二分类。 model.totalSV model.nSV model.to