SVM-Visualisierung in MATLAB

Wie kann ich die Visualisierung der SVM Klassifizierung sobald ich durchführen SVM-training in Matlab?

Bisher habe ich nur trainiert die SVM mit:

% Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;

model = svmtrain(groundTruth, d);
InformationsquelleAutor djpark121 | 2010-04-15
  1. 7

    Wenn Sie mit LIBSVM, können Sie die plot-Klassifikation Ergebnisse:

    % Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;

figure

% plot training data
hold on;
pos = find(groundTruth==1);
scatter(d(pos,1), d(pos,2), 'r')
pos = find(groundTruth==-1);
scatter(d(pos,1), d(pos,2), 'b')

% now plot support vectors
hold on;
sv = full(model.SVs);
plot(sv(:,1),sv(:,2),'ko');

% now plot decision area
[xi,yi] = meshgrid([min(d(:,1)):0.01:max(d(:,1))],[min(d(:,2)):0.01:max(d(:,2))]);
dd = [xi(:),yi(:)];
tic;[predicted_label, accuracy, decision_values] = svmpredict(zeros(size(dd,1),1), dd, model);toc
pos = find(predicted_label==1);
hold on;
redcolor = [1 0.8 0.8];
bluecolor = [0.8 0.8 1];
h1 = plot(dd(pos,1),dd(pos,2),'s','color',redcolor,'MarkerSize',10,'MarkerEdgeColor',redcolor,'MarkerFaceColor',redcolor);
pos = find(predicted_label==-1);
hold on;
h2 = plot(dd(pos,1),dd(pos,2),'s','color',bluecolor,'MarkerSize',10,'MarkerEdgeColor',bluecolor,'MarkerFaceColor',bluecolor);
uistack(h1, 'bottom');
uistack(h2, 'bottom');
    • dd ist ein meshgrid dem Bereich der Merkmale der Trainingsdaten.
    InformationsquelleAutor Lordalcol
  2. 2

    Vorausgesetzt, Ihre Daten in mehr als zwei Dimensionen, kann eine PCA-Projekt, das Daten zu 2D -, dann ordnen Sie Ihnen eine Farbe nach der Ausgabe der svm-Klassifizierer (z.B. rot für Klasse A, blau für Klasse B). Dies ist schnell zu tun, und Sie werden sehen, wenn es etwas zu visualisieren. Jedoch, Daten mit einer hohen Dimensionalität sind wahrscheinlich nicht leicht visualizable in 2D.

    • Was meinst du mit die Durchführung einer PCA? Haw kann ich tun? Würden Sie erklären, ein bisschen mehr bitte? Ich möchte die Visualisierung der svm-Klassifikation auf FisherIris Daten-set(libsvm).Wenn ich Recht habe, es ist 4D
    • Um ehrlich zu sein, wenn Sie nicht einmal wissen, was ein PCA ist (kurz für "principal component analysis"), würden Sie wahrscheinlich am Ende verbringen viel zu viel Zeit für das Endergebnis. Es ist nicht trivial. Ich verstehen, es wäre interessant, zu visualisieren, die Entscheidung, die Grenze, aber möchten Sie vielleicht zu prüfen, verschiedene Strategien zu analysieren, das Verhalten der SVMs. Was genau wollen Sie erreichen?
    • Schließlich entschied ich mich für die stprtool anstelle von libsvm, um die Wahl von Plotten die Entscheidung, die Grenze. Es funktionierte wirklich gut. Danke für Ihre Antwort
    InformationsquelleAutor levesque
  3. 0

    Schauen Sie sich dieses svm-Spielzeug Funktion, ähnlich der in LIBSVM. Natürlich funktioniert es nur für 2D binäre Klassifikation

    InformationsquelleAutor Amro
  4. -1
    model = svmtrain(groundTruth, d, 'ShowPlot', true);
    • Können Sie fügen Sie ein wenig mehr Erklärung, durch Zufall....
    InformationsquelleAutor Wang
Schreibe einen Kommentar