Libsvm是国立台湾大学林智仁（Chih-Jen Lin）教授编写的SVM工具包，提供了SVM的一些调用函数。其实，matlab程序自身也提供了svm方面的函数，比如svmtrain.m（路径位于C:\Program Files (x86)\MATLAB\R2006b\toolbox\bioinfo\biolearning），但如果要使用libsvm就需要自己安装并配置方可使用了。
林教授提供的libsvm发布于国立台湾大学网站：https://www.csie.ntu.edu.tw/~cjlin/libsvm/。
2019-12-21 21:14:58
668KB
1
支持向量机（Support Vector Machine，SVM）是一种广泛应用的监督学习模型，尤其在分类和回归问题中表现出色。SVM的基本思想是找到一个最优超平面，将不同类别的数据尽可能地分隔开，同时保持两类样本之间的间隔最大化。这个间隔就是所谓的决策边界，它决定了模型的泛化能力。
SVM的核心概念包括：
1. **核函数**：SVM通过核函数将原始数据映射到高维空间，使得原本线性不可分的数据在新空间中变得线性可分。常见的核函数有线性核、多项式核、高斯核（RBF）和Sigmoid核等。
2. **最大间隔**：SVM试图找到一个能够最大程度分离两类数据的超平面，间隔（Margin）就是从最近的训练样本到超平面的距离。最大间隔可以提高模型对未知数据的泛化能力。
3. **支持向量**：支持向量是距离超平面最近的样本点，它们决定了超平面的位置。SVM模型仅依赖于这些支持向量，因此即使在数据量庞大时，SVM也能有效处理。
4. **软间隔**：在实际应用中，数据往往难以完全线性可分。为此，SVM引入了软间隔，允许一部分样本点可以越过超平面，但会付出一定的惩罚代价，以保持模型的鲁棒性。
5. **正则化**：通过调整惩罚参数C，SVM可以在过拟合和欠拟合之间取得平衡。C值大，模型倾向于选择较小的间隔并容忍更多的误分类；C值小，模型则更注重保持大的间隔，可能对误分类更加严格。
6. **多分类问题**：单个SVM只能解决二分类问题，对于多分类，可以采用一对一或者一对多的方法，即构建多个二分类器来实现。
在实际应用SVM时，我们需要进行以下步骤：
1. **数据预处理**：包括缺失值处理、异常值检测、标准化或归一化等，确保数据质量。
2. **选择合适的核函数和参数**：根据数据特性选取合适的核函数，如RBF核通常在非线性问题上表现良好。参数C和γ（与RBF核相关）的选择需要通过交叉验证来确定。
3. **训练模型**：使用SVM算法训练模型，得到支持向量和决策超平面。
4. **模型评估**：通过测试集上的预测性能，如准确率、精确率、召回率和F1分数等指标，评估模型效果。
5. **模型优化**：根据评估结果调整模型参数，如核函数类型、C和γ的值，以提升模型性能。
在给定的"svm工具压缩包"中，可能包含了实现SVM算法的各种工具和库，如libsvm，这是一个广泛使用的开源SVM库，提供了多种编程语言的接口，包括Python、Java和C++等。使用这些工具，我们可以快速地实现SVM模型，并进行数据处理、模型训练、预测和性能评估等一系列操作。通过深入理解和熟练掌握SVM，我们可以解决许多复杂的数据分析问题。
2019-12-21 21:06:56
142KB
1
支持向量机SVM程序包，将该程序包中的内容保存在matlabToolbx的目录下，在matlab命令窗口下输入mex –setup,选择C++编译器，然后直接运行程序包中的make函数即可，保存好路径后，可直接调用工具包中的函数。
2019-12-21 20:55:31
728KB
1
这是faruto 在libsvm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，包括：归一化函数:scaleForSVM；pca降维预处理函数：pcaForSVM；网格参数寻优函数(分类问题):SVMcgForClass；网格参数寻优函数(回归问题):SVMcgForRegress；利用PSO参数寻优函数(分类问题):psoSVMcgForClass；利用PSO参数寻优函数(回归问题):psoSVMcgForRegress；利用GA参数寻优函数(分类问题):gaSVMcgForClass；利用GA参数寻优函数(回归问题):gaSVMcgForRegress
2019-12-21 20:51:44
1.48MB
1
这里实现了四种SVM工具箱的分类与回归算法 1、工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多类分类 Regression_LS_SVMlab.m - 函数拟合 2、工具箱：OSU_SVM3.00 Classification_OSU_SVM.m - 多类分类 3、工具箱：stprtool\svm Classification_stprtool.m - 多类分类 4、工具箱：SVM_SteveGunn Classification_SVM_SteveGunn.m - 二类分类 Regression_SVM_SteveGunn.m - 函数拟合
2019-12-21 20:22:22
232KB
1
7种支持向量机SVM工具包：LIBSVM（台湾大学林智仁，详细说明可查看其主页）、Mysvm（作者：stefan ruping）、SVMlight（作者：Thorsten Joachims）、LS_SVM、OSU_SVM、Stprtool、SVM_SteveGunn.后面四个，海军工程大学的陆振波做过一些整理，详细说明可查看其主页http://luzhenbo.88uu.com.cn/
2019-12-21 20:22:17
3.12MB
1
HOG+SVM进行图片中行人检测，提供训练用的pos和neg样本，效果还可以；没有SVM工具箱的，压缩包里已经提供了，安装一下即可.rar
2019-12-21 18:57:07
9.19MB
1