怎么使用 libsvm 模型 预测

其实使用libsvm进行分类很简单，只需要有属性矩阵和标签，然后就可以建立分类模型（model），然后利用得到的这个model进行分类预测了。

一、属性矩阵和标签：

一个班级里面有两个男生（男生1、男生2），两个弊散掘女生（女生1、女生2），其中

男生1 身高：176cm 体重：70kg；

男生2 身高：180cm 体重：80kg；

女生1 身高：161cm 体重：45kg；

女生2 身高：163cm 体重：47kg；

如果将男生定义为1，女生定义为-1，并将上面的数据放入矩阵data中，即

data = [176 70

180 80

161 45

163 47]

复制代码

在label中存入男女生类别标掘歼签（1、-1），即

label = [11-1-1]

复制代码

这样上面的data矩阵就是一个属性矩阵，行数4代表有4个样本，列数2表示属性有两个，label就是标签（1、-1表示有两个类别：男生、女生）。

二、有了上面的属性矩阵data，和标签label就可以利用libsvm建立分类模型了，简要代码如下：

model = svmtrain(label,data)

复制代码

有了model就可以做分类预测，比如此时该班级又转来一个新学生，其

身高190cm，体重租核85kg

想通过上面这些信息就给出其标签（想知道其是男【1】还是女【-1】）

比如 令 testdata = [190 85]由于其标签不知道，假设其标签为-1（也可以假设为1）

即

testdatalabel = -1

然后利用libsvm来预测这个新来的学生是男生还是女生，代码如下：

[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model)

复制代码

下面整体运行一下上面这段的背景数据和代码：

data = [176 70

180 80

161 45

163 47]

label = [11-1-1]

model = svmtrain(label,data)

testdata = [190 85]

testdatalabel = -1

[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model)

predictlabel

复制代码

运行结果如下：

Accuracy = 0% (0/1) (classification)

predictlabel =

您饥蚂好，很高兴为您解答。

a(1)=0

for i=2:220

  a(i)=0.6*a(i-1)+randn

end

train_t = 1:200

train = a(train_t)

train_t = train_t'

train = train'

test_t = 1:203

test=a(test_t)

test_t = test_t'

test = test'

[bestmse,bestc,bestg] = SVMcgForRegress(train,train_t,-3,11,-7,1,3,0.5,0.5,0.1)

cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg),'凯芹 -p 0.01 -s 3']

model = svmtrain(train,train_t,cmd)

[trainpre,trainmse] = svmpredict(train,train_t,model)

figure

hold on

plot(train)

plot(trainpre,'r')

title('原来的训练数据的拟合1-200')

legend('原来的训练数据','训练数据预测拟合数据')

hold off

[testpre,testmse] = svmpredict(test,test_t,model)

figure

hold on

plot(test)

plot(testpre,'r')

title('测试数据的预测1-203')

legend('测试数据','测试数据预测拟合数据')

hold off

如若烂孙埋满意，请点击右侧【采纳答案】，如若还有问题，请点击【追问】

希望我的回答对您有所帮助，望采纳！

                                                                                                                            ~ O(∩_∩)O~

---