1. 如何在matlab中添加SVM工具箱以及初次应用
如何在matlab中添加SVM工具箱以及初次应用
atlab大部分函数都放在了toolbox这个文件夹下面。可以试着把需要的函数和工具箱放进去看看能不能用。象matlab升级以后功能会更强大，包含的工具箱也越多，所占用的硬盘空间也变得很大。建议你安装的时候选择自定义安装，只装自己需要的几个工具箱，看你需要是用在什么专业，它里面有很多比如财务工具箱，航空工具箱，生物技术工具箱对与我专业就没有用，就可以不安装。这样就省了空间了。
2. 如何在MATLAB中添加SVM函数工具箱
先需要MATLAB SVM Toolbox，将其中的文件解压并命名为svm
将文件拷到E:\matlab\toolbox
打开matlab点击set path---->add folder 然后把你的工具箱文件夹添加进去
路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
最后在matlab的命令栏中输入which svcoutput可以查看路径E:\matlab\toolbox\svm\svcoutput.m就可以了
如若满意，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！
3. 如何在MATLAB中添加SVM函数工具箱
打开matlab，点击HOME中的"Set Path"选项。
4. 如何在MATLAB中添加SVM函数工具箱
首先需要MATLAB SVM Toolbox，将其中的文件解压并命名为svm
将文件拷到E:\matlab\toolbox
打开matlab点击set path---->add folder 然后把你的工具箱文件夹添加进去就可以了
路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
最后在matlab的命令栏中输入which svcoutput可以查看路径E:\matlab\toolbox\svm\svcoutput.m就可以了
5. 如何在MATLAB中添加SVM函数工具箱
方法/步骤
1
首先需要MATLAB SVM Toolbox，将其中的文件解压并命名为svm
2
将文件拷到E:\matlab\toolbox
3
打开matlab点击set path---->add folder 然后把你的工具箱文件夹添加进去就可以了
4
路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
5
最后在matlab的命令栏中输入which svcoutput可以查看路径E:\matlab\toolbox\svm\svcoutput.m就可以了
http://jingyan..com/article/a501d80cf764c3ec630f5ef5.html
6. 请问Matlab的libsvm工具箱如何进行多元回归
这个问题其实非常地简单。
1、在Matlab里面先做这样一小段处理：
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);
% 上述处理即是将最后一列作为输出，前n-1列全部作为输入
2. 将 x, y 分别作为输入和输出放入svmtrain函数中训练
3. 再在svmpredict函数中输入x即可得出各个x对应的预测值y
注：这里的原理其实十分简单，在libsvm中其实也是将所有变量都默认为了向量（或矩阵），所以你只管输入的数据结构即可。
7. 如何在MATLAB中添加SVM函数工具箱
1、下载svm工具包
地址：http://www.pudn.com/downloads343/sourcecode/math/detail1499382.html
2、解压工具包到E:\matlab\toolbox ，也可以解压后自己命名后复制过去。 （安装目录）
3、打开matlab点击set path---->add folder（也可以选择下面的addwithsubfolder) 然后把你的工具箱文件夹添加进去就可以了，保存。
4、刷新路径，这一步一定要做，路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
5、验证是否添加成功，最后在matlab的命令栏中输入which svcoutput可以查看路径E:\matlab\toolbox\svm\svcoutput.m就可以了。
6、调用工具箱：
用SVM做分类的使用方法
1)在matlab中输入必要的参数:X,Y,ker,C,p1,p2
我做的测试中取的数据
8. 如何在MATLAB中添加SVM函数工具箱
方法/步骤首先需要MATLAB SVM Toolbox，将其中的文件解压并命名为svm将文件拷到E:\matlab\toolbox打开matlab点击set path---->add folder 然后把你的工具箱文件夹添加进去就可以了路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。最后在matlab的命令栏中输入which svcoutput可以查看路径E:\matlab\toolbox\svm\svcoutput.m就可以了
9. 关于MATLAB中SVM工具箱的使用方法
1、首先需要MATLAB
SVM
Toolbox，将其中的文件解压并命名为svm
2、将文件拷到E:\matlab\toolbox
（我的是在E:\MATLAB\R2013a\toolbox）
3、打开matlab点击set
path---->add
folder
然后把你的工具箱文件夹添加进去就可以了
4、路径加进去后在file→Preferences→General的Toolbox
Path
Caching里点击update
Toolbox
Path
Cache更新一下。
5、最后在matlab的命令栏中输入which
svcoutput可以查看路径E:\matlab\toolbox\svm\svcoutput.m就可以了
10. 如何在MATLAB中添加SVM函数工具箱
1,下载SVM工具箱:http://see.xidian.e.cn/faculty/chzheng/bishe/indexfiles/indexl.htm
2,安装到matlab文件夹中
1)将下载的SVM工具箱的文件夹放在matlab71 oolbox下
2)打开matlab->File->Set Path中添加SVM工具箱的文件夹
现在,就成功的添加成功了.
可以测试一下:在matlab中输入which svcoutput 回车,如果可以正确显示路径,就证明添加成功了,例如:
C:Program FilesMATLAB71 oolboxsvmsvcoutput.m
3,用SVM做分类的使用方法
1)在matlab中输入必要的参数:X,Y,ker,C,p1,p2
我做的测试中取的数据为:
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的矩阵,Y是100*1的矩阵
C=Inf;
ker='linear';
global p1 p2
p1=3;
p2=1;
然后,在matlab中输入:[nsv alpha bias] = svc(X,Y,ker,C),回车之后,会显示:
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)输入预测函数,可以得到与预想的分类结果进行比较.
输入:predictedY = svcoutput(X,Y,X,ker,alpha,bias),回车后得到:
predictedY =
1
1
1
1
1
1
1
1
1
3)画图
输入:svcplot(X,Y,ker,alpha,bias),回车
补充:
X和Y为数据,m*n:m为样本数,n为特征向量数
比如:取20组训练数据X,10组有故障,10组无故障的,每个训练数据有13个特征参数,则m=20,n=13
Y为20*1的矩阵,其中,10组为1,10组为-1.
对于测试数据中,如果取6组测试数据,3组有故障,3组无故障的,则m=6,n=13
Y中,m=6,n=1