1. 如何在matlab中添加SVM工具箱以及初次應用
如何在matlab中添加SVM工具箱以及初次應用
atlab大部分函數都放在了toolbox這個文件夾下面。可以試著把需要的函數和工具箱放進去看看能不能用。象matlab升級以後功能會更強大，包含的工具箱也越多，所佔用的硬碟空間也變得很大。建議你安裝的時候選擇自定義安裝，只裝自己需要的幾個工具箱，看你需要是用在什麼專業，它裡面有很多比如財務工具箱，航空工具箱，生物技術工具箱對與我專業就沒有用，就可以不安裝。這樣就省了空間了。
2. 如何在MATLAB中添加SVM函數工具箱
先需要MATLAB SVM Toolbox，將其中的文件解壓並命名為svm
將文件拷到E:\matlab\toolbox
打開matlab點擊set path---->add folder 然後把你的工具箱文件夾添加進去
路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
最後在matlab的命令欄中輸入which svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了
如若滿意，請點擊右側【採納答案】，如若還有問題，請點擊【追問】
希望我的回答對您有所幫助，望採納！
3. 如何在MATLAB中添加SVM函數工具箱
打開matlab，點擊HOME中的"Set Path"選項。
4. 如何在MATLAB中添加SVM函數工具箱
首先需要MATLAB SVM Toolbox，將其中的文件解壓並命名為svm
將文件拷到E:\matlab\toolbox
打開matlab點擊set path---->add folder 然後把你的工具箱文件夾添加進去就可以了
路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
最後在matlab的命令欄中輸入which svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了
5. 如何在MATLAB中添加SVM函數工具箱
方法/步驟
1
首先需要MATLAB SVM Toolbox，將其中的文件解壓並命名為svm
2
將文件拷到E:\matlab\toolbox
3
打開matlab點擊set path---->add folder 然後把你的工具箱文件夾添加進去就可以了
4
路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
5
最後在matlab的命令欄中輸入which svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了
http://jingyan..com/article/a501d80cf764c3ec630f5ef5.html
6. 請問Matlab的libsvm工具箱如何進行多元回歸
這個問題其實非常地簡單。
1、在Matlab裡面先做這樣一小段處理：
data = [
0.5 2 12 26 2 0.0476890000000000
0.5 3 14 28 4 0.0792965000000000
0.5 4 16 30 6 0.106723000000000
0.5 5 18 32 8 0.112500000000000
1 2 14 30 8 0.487650000000000
1 3 12 32 6 0.0955300000000000
1 4 18 26 4 0.336150000000000
1 5 16 28 2 0.202830000000000
1.5 2 16 32 4 1.18260000000000
1.5 3 12 30 2 0.273390000000000
1.5 4 18 28 8 0.784670200000000
1.5 5 14 26 6 0.487695000000000
2 2 18 28 6 1.41230000000000
2 3 16 26 8 0.934150000000000
2 4 14 32 2 0.181100000000000
2 5 12 30 4 1.08280000000000
];
x = data(:,1:end-1);
y = data(:,end);
% 上述處理即是將最後一列作為輸出，前n-1列全部作為輸入
2. 將 x, y 分別作為輸入和輸出放入svmtrain函數中訓練
3. 再在svmpredict函數中輸入x即可得出各個x對應的預測值y
註：這里的原理其實十分簡單，在libsvm中其實也是將所有變數都默認為了向量（或矩陣），所以你只管輸入的數據結構即可。
7. 如何在MATLAB中添加SVM函數工具箱
1、下載svm工具包
地址：http://www.pudn.com/downloads343/sourcecode/math/detail1499382.html
2、解壓工具包到E:\matlab\toolbox ，也可以解壓後自己命名後復制過去。 （安裝目錄）
3、打開matlab點擊set path---->add folder（也可以選擇下面的addwithsubfolder) 然後把你的工具箱文件夾添加進去就可以了，保存。
4、刷新路徑，這一步一定要做，路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
5、驗證是否添加成功，最後在matlab的命令欄中輸入which svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了。
6、調用工具箱：
用SVM做分類的使用方法
1)在matlab中輸入必要的參數:X,Y,ker,C,p1,p2
我做的測試中取的數據
8. 如何在MATLAB中添加SVM函數工具箱
方法/步驟首先需要MATLAB SVM Toolbox，將其中的文件解壓並命名為svm將文件拷到E:\matlab\toolbox打開matlab點擊set path---->add folder 然後把你的工具箱文件夾添加進去就可以了路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。最後在matlab的命令欄中輸入which svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了
9. 關於MATLAB中SVM工具箱的使用方法
1、首先需要MATLAB
SVM
Toolbox，將其中的文件解壓並命名為svm
2、將文件拷到E:\matlab\toolbox
（我的是在E:\MATLAB\R2013a\toolbox）
3、打開matlab點擊set
path---->add
folder
然後把你的工具箱文件夾添加進去就可以了
4、路徑加進去後在file→Preferences→General的Toolbox
Path
Caching里點擊update
Toolbox
Path
Cache更新一下。
5、最後在matlab的命令欄中輸入which
svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了
10. 如何在MATLAB中添加SVM函數工具箱
1,下載SVM工具箱:http://see.xidian.e.cn/faculty/chzheng/bishe/indexfiles/indexl.htm
2,安裝到matlab文件夾中
1)將下載的SVM工具箱的文件夾放在matlab71 oolbox下
2)打開matlab->File->Set Path中添加SVM工具箱的文件夾
現在,就成功的添加成功了.
可以測試一下:在matlab中輸入which svcoutput 回車,如果可以正確顯示路徑,就證明添加成功了,例如:
C:Program FilesMATLAB71 oolboxsvmsvcoutput.m
3,用SVM做分類的使用方法
1)在matlab中輸入必要的參數:X,Y,ker,C,p1,p2
我做的測試中取的數據為:
N = 50;
n=2*N;
randn('state',6);
x1 = randn(2,N)
y1 = ones(1,N);
x2 = 5+randn(2,N);
y2 = -ones(1,N);
figure;
plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.');
axis([-3 8 -3 8]);
title('C-SVC')
hold on;
X1 = [x1,x2];
Y1 = [y1,y2];
X=X1';
Y=Y1';
其中,X是100*2的矩陣,Y是100*1的矩陣
C=Inf;
ker='linear';
global p1 p2
p1=3;
p2=1;
然後,在matlab中輸入:[nsv alpha bias] = svc(X,Y,ker,C),回車之後,會顯示:
Support Vector Classification
_____________________________
Constructing ...
Optimising ...
Execution time:1.9 seconds
Status : OPTIMAL_SOLUTION
|w0|^2: 0.418414
Margin: 3.091912
Sum alpha : 0.418414
Support Vectors : 3 (3.0%)
nsv =
3
alpha =
0.0000
0.0000
0.0000
0.0000
0.0000
2)輸入預測函數,可以得到與預想的分類結果進行比較.
輸入:predictedY = svcoutput(X,Y,X,ker,alpha,bias),回車後得到:
predictedY =
1
1
1
1
1
1
1
1
1
3)畫圖
輸入:svcplot(X,Y,ker,alpha,bias),回車
補充:
X和Y為數據,m*n:m為樣本數,n為特徵向量數
比如:取20組訓練數據X,10組有故障,10組無故障的,每個訓練數據有13個特徵參數,則m=20,n=13
Y為20*1的矩陣,其中,10組為1,10組為-1.
對於測試數據中,如果取6組測試數據,3組有故障,3組無故障的,則m=6,n=13
Y中,m=6,n=1