資料探勘作業在matlab環境用svm對資料進行2-折交叉驗證（two-fold cross validation ），其實2-折交叉驗證就是先把資料分為訓練和測試兩類，一般都是平均分成兩組，先用訓練資料訓練乙個model然後用測試資料去**，例外用測試資料訓練另乙個model，然後用訓練資料去**，對得出來的兩個**結果求平均值，就是所要求的2-折交叉驗證的正確率。
1. 資料預處理:
1>資料清洗，去點資料中屬性值為空或者出錯的列。
2>把原始資料按行進行隨機打亂，這樣可以提高訓練出model的泛化能力。
3>對資料進行歸一化處理。
2.將資料匯入matlab，並分成兩組:
將實驗資料匯入到matlab中並且儲存為.m格式的檔案，可以用函式
data(1:size(tdata,1),:)=tdata(randperm(size(tdata,1))',:)traindata=mapminmax(traindata);
testdata=mapminmax(testdata);
[bestcvaccuracy,bestc,bestg]=svmcgforclass(train_label,train,
cmin,cmax,gmin,gmax,v,cstep,gstep,accstep)
train_label:訓練集的標籤，格式要求與svmtrain相同。
train:訓練集，格式要求與svmtrain相同。
cmin,cmax:懲罰引數c的變化範圍，即在[2^cmin,2^cmax]範圍內尋找 最佳的引數c，預設值為cmin=-8，cmax=8，即預設懲罰引數c的範圍是 [2^(-8),2^8]。
gmin,gmax:rbf核引數g的變化範圍，即在[2^gmin,2^gmax]範圍內尋找最佳的rbf核引數g，預設值為gmin=-8，gmax=8，即預設rbf核引數g的範圍是[2^(-8),2^8]。
v:進行cross validation過程中的引數，即對訓練集進行v-fold cross validation，預設為3，即預設進行3折cv過程。
cstep,gstep:進行引數尋優是c和g的步進大小，即c的取值為2^cmin,2^(cmin+cstep),…,2^cmax,，g的取值為2^gmin,2^(gmin+gstep),…,2^gmax，預設取值為cstep=1,gstep=1。
accstep:最後引數選擇結果圖中準確率離散化顯示的步進間隔大小（[0,100]之間的乙個數），預設為4.5。
output:
bestcvaccuracy:最終cv意義下的最佳分類準確率。
bestc:最佳的引數c。
bestg:最佳的引數g。
確定引數的範圍是先粗略搜尋，通過觀察得出的準確率圖在進行精細搜尋。ps:這裡先用的c[-10 ,10],g[-10,10]
4.svmtrain()引數的設定:
cmd = [' -c ',num2str(bestc),' -g ',num2str(bestg)];
model=svmtrain(train_label,traindata,cmd);
0 – c-svc
1 –v-svc
2 –一類svm
3 – e -svr
4 – v-svr
-t 核函式型別：核函式設定型別(預設2)
0 –線性：u』v
1 –多項式：(r*u』v + coef0)^degree
2 – rbf函式：exp(-gamma|u-v|^2)
3 –sigmoid：tanh(r*u』v + coef0)
-d degree：核函式中的degree設定(針對多項式核函式)(預設3)
-g r(gama)：核函式中的gamma函式設定(針對多項式/rbf/sigmoid核函式)(預設1/ k)
-r coef0：核函式中的coef0設定(針對多項式/sigmoid核函式)((預設0)
-c cost：設定c-svc，e -svr和v-svr的引數(損失函式)(預設1)
-n nu：設定v-svc，一類svm和v- svr的引數(預設0.5)
-p p：設定e -svr 中損失函式p的值(預設0.1)
-m cachesize：設定cache記憶體大小，以mb為單位(預設40)
-e eps：設定允許的終止判據(預設0.001)
-h shrinking：是否使用啟發式，0或1(預設1)
-wi weight：設定第幾類的引數c為weight*c(c-svc中的c)(預設1)
-v n: n-fold互動檢驗模式，n為fold的個數，必須大於等於2
其中-g選項中的k是指輸入資料中的屬性數。option -v 隨機地將資料剖分為n部
我這裡svm型別，核函式型別都是採用預設的。
[predict_label_1,accurancy_1,prob_estimates_1] =svmpredict(test_label,testdata,model);
以上是內容僅供參考，本人資料探勘菜鳥如有錯誤或遺漏歡迎隨時指出，謝謝
6.參考：
源**及實驗資料和要求：
[
win環境下py呼叫matlab的環境配置
我電腦安裝了多個版本的py 2.7，3.5，3.7 但其中只有3.5的支援呼叫matlab，所以這裡以3.5為例子。matlab的版本是2017a版的 先得找到matlab的安裝位址，這裡matlabroot的意思的matlab的安裝的那個檔案位址，不清楚的可以在matlab的命令欄裡直接輸入 ma...
在matlab環境下LIBSVM的demo
2 在matlab環境下用mex setup指令，設定matlab預設編譯器，我選擇是vs2010 3 解壓後libsvm後，在ibsvm 3.20 matlab路徑下執行make.m，把c檔案生成mexw64或mexw32，供matlab呼叫 4 現在可以利用libsvm測試，回到上乙個路徑ibs...
Libsvm在matlab環境下使用指南
一 安裝 二 使用 在使用之前，要對libsvm做乙個了解，而最好的資料自然是libsvm種readme檔案了。readme檔案包含了介紹，安裝，svm返回的模型引數，以及例子等。libsvm主要用了兩個函式svmtrain，svmpredict，如果你在用的時候忘了具體的引數，可以在matlab命...