編寫程式的基本步驟~
1、將資料中心化，是每一組特徵中心化，而不是每個樣本的資料中心化哦。原因就是之後要進行pca降維，這個過程之前如果不將資料中心化，那麼之後測試資料集對映出來的點就不對啦~具體看圖啦~
至於是否要歸一化，這個並不是必要的步驟，所以看心情咯
2、pca降維，這個最好是以矩陣短的那一邊進行svd分解，這樣可以提速啦，轉換的公式可以推導一下哈
x:2891×
377的矩陣
根據推導可得：
y和xz都是c
的特徵向量
雖然 y
是2891
×2891
xz是2891
×377
但是，由於x
的秩最多
377，所以的秩最多377
，所以後邊都是
0，即使乘起來也木有用
我們之後想要取前邊多少維的資料，就直接取xz
的就好啦，和
y的效果一樣噠
此處需要注意的是：y和z
都是單位矩陣，但是
xz並不是，因此在使用
xz之前需要對
xz進行歸一化
3、資料經過pca降維之後還需要對資料進行歸一化，標籤不必歸一化
4、訓練模型~~~
主要就是調節引數啦，當然，即使你不設定引數，svmtrain也會有預設引數啦~可以執行，但是效果嘛，就不敢保證咯
上網看了好多教程，但是都沒有深入講解如何高效地調節svm的引數~~後來才知道，原來只有c和g是可以用程式自動選擇的（網上搜一下，有很多類似程式噠），其他的。。。可能都要憑經驗或者試出來的~
5、測試模型
還記得之前資料中心化那一步吧，要用那個均值哦，測試的資料要減去均值，然後再進行降維操作噠，具體原因看前邊的解釋啦~
資料都放在乙個維度上了之後，就可以用svmpredict**啦~
這個過程就算正式全部搞定啦~然後你看準確率不大好的話，可以再調整前邊的一些引數啦~加油！
LIBSVM在matlab下的使用安裝
2 解壓壓縮包到電腦上一位置，如 c program files libsvm 3.18 3 假設你使用的是64位的作業系統和matlab。此時將libsvm 3.18資料夾下的windows目錄新增到matlab目錄中。即在matlab目錄中新增 c programfiles libsvm 3.1...
LIBSVM在matlab下的使用安裝
3 假設你使用的是64位的作業系統和matlab。此時將libsvm 3.16資料夾下的windows目錄新增到matlab目錄中。即在matlab目錄中新增 c programfiles libsvm 3.16 windows。因為windows下包含了matlab可執行的二進位制檔案libsvm...
libSVM在matlab下的使用安裝
2 解壓壓縮包到電腦上一位置，如 c program files libsvm 3.18 3 假設你使用的是64位的作業系統和matlab。此時將libsvm 3.18資料夾下的windows目錄新增到matlab目錄中。即在matlab目錄中新增 c programfiles libsvm 3.1...