1樓：匿名使用者
其實使用libsvm進行分類很簡單，只需要有屬性矩陣和標籤，然後就可以建立分類模型（model），然後利用得到的這個model進行分類**了。
一、屬性矩陣和標籤：
一個班級裡面有兩個男生（男生1、男生2），兩個女生（女生1、女生2），其中
男生1 身高：176cm 體重：70kg；
男生2 身高：180cm 體重：80kg；
女生1 身高：161cm 體重：45kg；
女生2 身高：163cm 體重：47kg；
如果將男生定義為1，女生定義為-1，並將上面的資料放入矩陣data中，即
data = [176 70;
180 80;
161 45;
163 47];
複製**
在label中存入男女生類別標籤（1、-1），即
label = [1;1;-1;-1];
複製**
這樣上面的data矩陣就是一個屬性矩陣，行數4代表有4個樣本，列數2表示屬性有兩個，label就是標籤（1、-1表示有兩個類別：男生、女生）。
二、有了上面的屬性矩陣data，和標籤label就可以利用libsvm建立分類模型了，簡要**如下：
model = svmtrain(label,data);
複製**
有了model就可以做分類**，比如此時該班級又轉來一個新學生，其
身高190cm，體重85kg
想通過上面這些資訊就給出其標籤（想知道其是男還是女【-1】）
比如 令 testdata = [190 85]; 由於其標籤不知道，假設其標籤為-1（也可以假設為1）
即testdatalabel = -1;
然後利用libsvm來**這個新來的學生是男生還是女生，**如下：
[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model)
複製**
下面整體執行一下上面這段的背景資料和**：
data = [176 70;
180 80;
161 45;
163 47];
label = [1;1;-1;-1];
model = svmtrain(label,data);
testdata = [190 85];
testdatalabel = -1;
[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model);
predictlabel
複製**
執行結果如下：
accuracy = 0% (0/1) (classification)
predictlabel =
2樓：山水阿銳
%%% 首先載入資料
load heart_scale;
data = heart_scale_inst;
label = heart_scale_label;
% 選取前200個資料作為訓練集合，後70個資料作為測試集合
ind = 200;
traindata = data(1:ind,:);
trainlabel = label(1:ind,:);
testdata = data(ind+1:end,:);
testlabel = label(ind+1:end,:);
% 利用訓練集合建立分類模型
model = svmtrain(trainlabel,traindata,'-s 0 -t 2 -c 1.2 -g 2.8');
% 分類模型model解密
model
parameters = model.parameters
label = model.label
nr_class = model.nr_class
totalsv = model.totalsv
nsv = model.nsv
% 利用建立的模型看其在訓練集合上的分類效果
[ptrain,acctrain] = svmpredict(trainlabel,traindata,model);
% **測試集合標籤
[ptest,acctest] = svmpredict(testlabel,testdata,model);
%%toc;
執行結果：
model =
parameters: [5x1 double]
nr_class: 2
totalsv: 197
rho: 0.0583
label: [2x1 double]
proba:
probb:
nsv: [2x1 double]
sv_coef: [197x1 double]
svs: [197x13 double]
parameters =
02.0000
3.0000
2.8000
0label =1-1
nr_class =
2totalsv =
197nsv =
89108
accuracy = 99.5% (199/200) (classification)
accuracy = 68.5714% (48/70) (classification)
elapsed time is 0.040873 seconds.
>>
如何使用libsvm進行分類，如何用libsvm分類（MATLAB環境下）？
這帖子就是初步教教剛接觸libsvm svm 的同學如何利用libsvm進行分類 關於引數尋優的問題在這裡姑且不談，另有帖子詳述。其實使用libsvm進行分類很簡單，只需要有屬性矩陣和標籤，然後就可以建立分類模型 model 然後利用得到的這個model進行分類 了。那神馬是屬性矩陣？神馬又是標籤呢...
固定資產如何分類，如何對固定資產進行分類 有哪些分類方法
固定資產可以按其經濟用途 使用情況 產權歸屬 實物形態和使用期限進行分類核算。1.按經濟用途分為生產經營用和非生產經營用兩類 生產經營用固定資產是指直接服務於生產經營全過程的固定資產，如廠房 機器裝置 倉庫 銷售場所 運輸車輛等。非生產經營用固定資產是指不直接服務於生產經營，而是為了滿足職工物質文化...
如何分類供應商管理，如何對供應商進行分類和管理
商的分類應該根據為你提供產品的不同類別 關重要程度 是否形成戰略合作關係等方面進行分類，這樣在日後的管理中可以針對採用不同類別進行不同的管理，包括選擇 評價 培育等 如何對 商進行分類和管理 在新的採購環境下，商關係發生了根本性變化，商從單純的貨物 服務的提供者轉變為買方的戰略性商業合作伙伴。毫無疑...