我必须在数字数据集上使用SVM分类器。数据集由数字28x28的图像和总共2000张图像组成。我尝试使用svmtrain,但是matlab给出了svmtrain已被删除的错误。所以现在我正在使用fitcsvm。
我的代码如下:
labelData = zeros(2000,1);
for i=1:1000
labelData(i,1)=1;
end
for j=1001:2000
labelData(j,1)=1;
end
SVMStruct =fitcsvm(trainingData,labelData)
%where training data is the set of images of digits.
我需要知道如何使用svm预测测试数据的输出?另外我的代码正确吗?
您正在寻找的功能是predict
。它以SVM对象作为输入,后跟一个数据矩阵,并返回预测的标签。确保不对所有数据而是对合理的子集(通常为70%)训练模型。您可以使用predict
准备:
cross-validation
请注意,您的标签会产生一个单一的矢量。
The Mathworks将% create cross-validation object
cvp = cvpartition(Lbl,'HoldOut',0.3);
% extract logical vectors for training and testing data
lgTrn = cvp.training;
lgTst = cvp.test;
% train SVM
mdl = fitcsvm(Dat(lgTrn,:),Lbl(lgTrn));
% test / predict SVM
Lbl_prd = predict(mdl,Dat(lgTst,:));
更改为svmtrain
的原因很简洁。现在很清楚是“分类”(fit c svm)还是“回归”(fit r svm)。