libsvm-mat-加强工具箱介绍.doc

libsvm-mat-加强工具箱介绍由于libsvm的matlab版本的工具箱libsvm-mat并没有给出寻参的函数模块，而无论利用libsvm工具箱进行分类还是回归，参数的选取是十分重要的，鉴于此libsvm-mat-加强工具箱在libsvm-mat-2.89-3的基础上给出相应的辅助函数插件，方便用户来选取最佳的参数，该加强工具箱可以在MATLAB中文论坛上下载，现对该加强工具箱里主要的辅助函数插件的接口进行介绍，所有的源代码可以到MATLAB中文论坛下载并查看。=归一化函数:scaleForSVMtrain_scale,test_scale,ps= scaleForSVM(train_data,test_data,ymin,ymax)输入：train_data:训练集，格式要求与svmtrain相同。test_data:测试集，格式要求与svmtrain相同。ymin，ymax:归一化的范围，即将训练集和测试都归一化到ymin,ymax，这两个参数可不输入，默认值为ymin=0，ymax=1，即默认将训练集和测试都归一化到0,1。输出：train_scale:归一化后的训练集。test_scale:归一化后的测试集。ps:归一化过程中的映射（方便反归一化使用）。=pca降维预处理函数：pcaForSVMtrain_pca,test_pca = pcaForSVM(train_data,test_data,threshold)输入：train_data:训练集，格式要求与svmtrain相同。test_data:测试集，格式要求与svmtrain相同。threshold:对原始变量的解释程度（0,100之间的一个数），通过该阈值可以选取出主成分，该参数可以不输入，默认为90，即选取的主成分默认可以达到对原始变量达到90%的解释程度。输出：train_pca:进行pca降维预处理后的训练集。test_pca:进行pca降维预处理后的测试集。=网格参数寻优函数(分类问题):SVMcgForClassbestCVaccuracy,bestc,bestg= SVMcgForClass(train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,accstep)输入：train_label:训练集的标签，格式要求与svmtrain相同。train:训练集，格式要求与svmtrain相同。cmin,cmax:惩罚参数c的变化范围，即在2cmin,2cmax范围内寻找最佳的参数c，默认值为cmin=-8，cmax=8，即默认惩罚参数c的范围是2(-8),28。gmin,gmax:RBF核参数g的变化范围，即在2gmin,2gmax范围内寻找最佳的RBF核参数g，默认值为gmin=-8，gmax=8，即默认RBF核参数g的范围是2(-8),28。v:进行Cross Validation过程中的参数，即对训练集进行v-fold Cross Validation，默认为3，即默认进行3折CV过程。cstep,gstep:进行参数寻优是c和g的步进大小，即c的取值为2cmin,2(cmin+cstep),2cmax,，g的取值为2gmin,2(gmin+gstep),2gmax，默认取值为cstep=1,gstep=1。accstep:最后参数选择结果图中准确率离散化显示的步进间隔大小（0,100之间的一个数），默认为4.5。输出：bestCVaccuracy:最终CV意义下的最佳分类准确率。bestc:最佳的参数c。bestg:最佳的参数g。=网格参数寻优函数(回归问题):SVMcgForRegressbestCVmse,bestc,bestg= SVMcgForRegress(train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,msestep)其输入输出与SVMcgForClass类似，这里不再赘述。=利用PSO参数寻优函数(分类问题):psoSVMcgForClassbestCVaccuracy,bestc,bestg,pso_option= psoSVMcgForClass(train_label,train,pso_option)输入：train_label:训练集的标签，格式要求与svmtrain相同。train:训练集，格式要求与svmtrain相同。pso_option:PSO中的一些参数设置，可不输入，有默认值，详细请看代码的帮助说明。输出：bestCVaccuracy:最终CV意义下的最佳分类准确率。bestc:最佳的参数c。bestg:最佳的参数g。pso_option:记录PSO中的一些参数。=利用PSO参数寻优函数(回归问题):psoSVMcgForRegressbestCVmse,bestc,bestg,pso_option= psoSVMcgForRegress(train_label,train,pso_option)其输入输出与psoSVMcgForClass类似，这里不再赘述。=利用GA参数寻优函数(分类问题):gaSVMcgForClassbestCVaccuracy,bestc,bestg,ga_option= gaSVMcgForClass(train_label,train,ga_option)输入：train_label:训练集的标签，格式要求与svmtrain相同。train:训练集，格式要求与svmtrain相同。ga_option:GA中的一些参数设置，可不输入，有默认值，详细请看代码的帮助说明。输出：bestCVaccuracy:最终CV意义下的最佳分类准确率。bestc:最佳的参数c。bestg:最佳的参数g。ga_option:记录GA中的一些参数。=利用GA参数寻优函数(回归问题