MATLAB中的SVM可视化

Question

我该如何在Matlab中进行SVM训练后可视化分类结果？

目前为止，我只进行了SVM训练：

% Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;

model = svmtrain(groundTruth, d);

- djpark121

Answer 1

如果您正在使用LIBSVM，您可以绘制分类结果：

% Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;

figure

% plot training data
hold on;
pos = find(groundTruth==1);
scatter(d(pos,1), d(pos,2), 'r')
pos = find(groundTruth==-1);
scatter(d(pos,1), d(pos,2), 'b')

% now plot support vectors
hold on;
sv = full(model.SVs);
plot(sv(:,1),sv(:,2),'ko');

% now plot decision area
[xi,yi] = meshgrid([min(d(:,1)):0.01:max(d(:,1))],[min(d(:,2)):0.01:max(d(:,2))]);
dd = [xi(:),yi(:)];
tic;[predicted_label, accuracy, decision_values] = svmpredict(zeros(size(dd,1),1), dd, model);toc
pos = find(predicted_label==1);
hold on;
redcolor = [1 0.8 0.8];
bluecolor = [0.8 0.8 1];
h1 = plot(dd(pos,1),dd(pos,2),'s','color',redcolor,'MarkerSize',10,'MarkerEdgeColor',redcolor,'MarkerFaceColor',redcolor);
pos = find(predicted_label==-1);
hold on;
h2 = plot(dd(pos,1),dd(pos,2),'s','color',bluecolor,'MarkerSize',10,'MarkerEdgeColor',bluecolor,'MarkerFaceColor',bluecolor);
uistack(h1, 'bottom');
uistack(h2, 'bottom');

- Lordalcol

---

dd 是训练数据特征范围的网格。 - Wok

Answer 2

假设您的数据具有两个以上的维度，您可以执行PCA，将数据投影到2D，然后根据您的svm分类器的输出（例如，将A类分配为红色，将B类分配为蓝色）来为它们着色。这样做很快，您就可以看到是否有可视化的内容。但是，高维度的数据不太可能在2D中轻松可视化。

- levesque

---

什么是“执行PCA”？我该怎么做？您能再解释一下吗？我想在FisherIris数据集上可视化svm分类（使用libsvm）。如果我没错的话，它是4D的。 - Zahra E

说实话，如果你甚至不知道PCA（主成分分析）是什么，你可能会花费太多时间来得到最终结果。这并不是一件简单的事情。我理解你想要可视化决策边界，但你可能需要考虑不同的策略来分析你的SVM的行为。你究竟想要实现什么目标？ - levesque

最终我决定使用stprtool而不是libsvm来选择绘制决策边界。它运行得非常好。感谢您的回复。 - Zahra E

Answer 3

看看这个类似于LIBSVM的svm-toy函数。显然，它只适用于二维二元分类。

- Amro

Answer 4

model = svmtrain(groundTruth, d, 'ShowPlot', true);

- Wang