MATLAB中的支持向量机

Question

你能举出一个使用支持向量机（SVM）在matlab中进行4类分类的例子吗？例如：

atribute_1  atribute_2 atribute_3 atribute_4 class
1           2          3           4             0
1           2          3           5             0
0           2          6           4             1
0           3          3           8             1
7           2          6           4             2
9           1          7           10            3

- edgarmtze

Answer 1

SVM最初被设计用于二分类问题，后来扩展到处理多类问题。其思想是将问题分解为许多二元分类问题，然后将它们组合起来以获得预测结果。

一种方法称为“一对多”，建立与类别数目相同的二元分类器，每个分类器训练用于将一个类别与其他类别分离。要预测新实例，我们选择具有最大决策函数值的分类器。

另一种称为“一对一”（我认为在LibSVM中使用），则构建k(k-1)/2个二元分类器，训练用于将每对类别相互分离，并使用多数投票方案（最大胜利策略）来确定输出预测。

还有其他方法，例如使用纠错输出码（ECOC）来构建许多略带冗余的二元分类器，并利用这种冗余性来获得更强健的分类（使用与海明码相同的思想）。

示例（一对一）：

%# load dataset
load fisheriris
[g gn] = grp2idx(species);                      %# nominal class to numeric

%# split training/testing sets
[trainIdx testIdx] = crossvalind('HoldOut', species, 1/3);

pairwise = nchoosek(1:length(gn),2);            %# 1-vs-1 pairwise models
svmModel = cell(size(pairwise,1),1);            %# store binary-classifers
predTest = zeros(sum(testIdx),numel(svmModel)); %# store binary predictions

%# classify using one-against-one approach, SVM with 3rd degree poly kernel
for k=1:numel(svmModel)
    %# get only training instances belonging to this pair
    idx = trainIdx & any( bsxfun(@eq, g, pairwise(k,:)) , 2 );

    %# train
    svmModel{k} = svmtrain(meas(idx,:), g(idx), ...
        'BoxConstraint',2e-1, 'Kernel_Function','polynomial', 'Polyorder',3);

    %# test
    predTest(:,k) = svmclassify(svmModel{k}, meas(testIdx,:));
end
pred = mode(predTest,2);   %# voting: clasify as the class receiving most votes

%# performance
cmat = confusionmat(g(testIdx),pred);
acc = 100*sum(diag(cmat))./sum(cmat(:));
fprintf('SVM (1-against-1):\naccuracy = %.2f%%\n', acc);
fprintf('Confusion Matrix:\n'), disp(cmat)

这是一个示例输出：

SVM (1-against-1):
accuracy = 93.75%
Confusion Matrix:
    16     0     0
     0    14     2
     0     1    15

- Amro

---

如果我在使用cvpartition中的k folds，那么取k folds的平均准确率是否正确？ @Amro - sum2000

@sum2000：是的，您可以报告k折交叉验证的平均准确率，然后返回从整个训练数据中学习到的模型。 - Amro

但是，每次运行代码时准确性都不同，而使用cvpartition的内置函数计算误差时则不会出现这种情况。 - sum2000

@sum2000：我猜这是因为每次运行代码时数据的分区方式都不同。如果你想要重现结果，请考虑为随机数生成器设置一个种子（参见 rng 函数）。 - Amro

Answer 2

目前，MATLAB不支持多类SVM。您可以使用svmtrain（2类）来实现多类SVM，但是使用标准SVM软件包会更容易。

我使用过LIBSVM并确认它非常容易使用。

---

%%# Your data
D = [
1           2          3           4             0
1           2          3           5             0
0           2          6           4             1
0           3          3           8             1
7           2          6           4             2
9           1          7           10            3];
%%# For clarity
Attributes = D(:,1:4);
Classes = D(:,5);
train = [1 3 5 6];
test = [2 4];

%%# Train
model = svmtrain(Classes(train),Attributes(train,:),'-s 0 -t 2');

%%# Test
[predict_label, accuracy, prob_estimates] = svmpredict(Classes(test), Attributes(test,:), model);

- Jacob

---

有没有对上面的例子进行分类的示例？ - edgarmtze

如果我执行 model = svmtrain(Classes(train),Attributes(train,:),'-s 0 -t 2'); 我会得到： ??? Error using ==> svmtrain at 172 Group must be a vector. - edgarmtze

@darkcminor：你是不是复制粘贴了我提供的所有代码？它在我的电脑上可以运行。 - Jacob

你是如何纠正“Group must be a vector”错误信息的？@cMinor - madCode

如果您仍在寻找解决方案：@madCode http://stackoverflow.com/questions/15619584/libsvm-error-group-must-be-a-vector - Framester