matlab中使用libsvm如何实现参数寻优

可以利用libsvm工具箱中自带的k折交叉验证方法进行参数的寻优。

k折交叉验证的基本思想如下：

k个子集，每个子集均做一次测试集，其余的作为训练集。交叉验证重复k次，每次选择一个子集作为测试集，并将k次的平均交叉验证识别正确率作为结果。

libsvm工具箱中交叉验证的使用方法如下：

predict = trian(data_label, data_train, cmd)  

% train_label表示训练输出样本数据；

% data_train表示训练输入样本数据；

% cmd就是训练参数困则的正尺核设置，如设置为cmd='-v 5'就表示进行5折交叉验证（该设置中省略了其他参数的举掘设置，即保存默认设置）。

当R2016b_glnxa64_dvd1.iso安装完成后，提示拔出dvd1，然后插入dvd2对话框，此时需要挂载第二个iso文件(R2016b_glnxa64_dvd2.iso)到/home/generallc/matlab2016文件夹下，这乱哗里注意的是，由于你当时的终端窗口正在 进行安装，所以你是无法进行 *** 作散扒的，所以你需要ctrl+Alt+t进行重新开一个终冲陪昌端命令窗口。挂载成功后直接点击ok就可以了。

Alpha： 即α得值，当为 0，表示Lasso为岭回归，这时它当然不是Lasso了，而是和Lasso相似的岭回归计算法悉圆，当该值为 1（默认值），则此程序为 Lasso，若为0~1之间，表示是 elastic net算法，也是与 岭回归和Lasso相似而不同的算法。

CV:为 交叉验证的设置。用于估计最佳的λ的值。 默认为“resubstitution”,这个我没有研究，而迟陆困是使用了较为广泛的 K折交叉验证，一般 赋值 k =5或10，就是 5折交叉验证或10折交叉验证。

DFmax：返回拟合式中 非零系数的数量。

Lambda：这个就是Lasso活着岭回归活着elastic net中的参数λ的值，如果使用交叉验证，会使用交叉验证选择一个最优λ，如果默，则由系统根据计算公式默认赋值一个λ的最大值，关于最大值计算公式，在Lasso程序中有说明，或者你也可以指定λ的值。在确定该最大值后，还需要和Lambdaratio 和 Numlambda 确定λ的取值。

Lambdaratio λ的取值比例，它和Lambda构成λ的取值范码念围区间。

Numlambda λ的取值数量。Lambda确定λ的最大值，比如a，Lambdaratio确定λ最小值与最大值的比率，如Lambdaratio为0.01，那么λ的取值区间即为0.01*a~a，而Numlambda则确定改区间取多少个λ，从而最终确定了λ的取值。

Reltol 坐标下降法的阈值。坐标下降法是求解elastic net的常用方法，这是该方法的一个参数。

Standardize：布尔值。是否对Lasso进行缩放。一般设置为 true，即 进行缩放。

输出参数：

Intercept：截距，就是线性方程中的常数项

lambda：列出使用的λ的值，升序排列，而且后面的参数的顺序与这个λ对应

alpha：α值

MSE：均方误差

DF

Fitinfo中的字段：

在使用CV交叉验证后，可以输出本字段中的结果，内容和上面的差不多，先不描述了，大家想了解的话我再加。

---