libsvm的经典总结（全面至极）

SVM相关资源汇总[matlab-libsvm-class-regress](by faruto)
SVM相关资源汇总[matlab-libsvm-class-regress](by faruto)
                                                          ----关于SVM的那点破事
by faruto
   可以了,终于可以完结了!这帖子我编辑过n次,不断的往里面添加东西，我想今晚可能是我最后一次编辑这个帖子.在这个帖子里面您可以找到如下和ＳＶＭ相关的东西．
１.关于SVM的工具箱－libsvm-mat
    （１）本帖子中的所有资源所使用的SVM的工具箱是libsvm-mat,没有使用其他的SVM工具箱,我坚信把这一个SVM的工具箱研究的透彻就够了，反正我是够用了！
　（２）关于libsvm-mat的安装的问题，你可以看下面的Ｑ＆Ａ，也可以下载相应的我制作的SVM的视频
　（３）关于libsvm-mat工具箱本身的使用问题，几乎所有的疑问你都可以找到答案～
　（４）关于libsvm-mat版本更新的问题，林智仁官方的最新版本是：libsvm-mat-2.89-3，在下面你可以找到下载的链接，官方网页上的链接有问题，我是向林直接要的．还有一个faruto版本的libsvm,最新的是[farutoFinalVersion],我在里面加进了各种SVM参数优化的子函数,方便使用.在下面亦有下载链接.
2.关于SVM的理论相关的.
在下面提供了一些资源和paper, ppt,pdf,虽然这几个资源是有限的,但我敢说足够了.原因有两个:a.下面的几个文献本身质量就很高.b.这些文献主要的SVM的参考文献已经几乎全部列出了,你可以寻径查找.
3.关于......
====================================================================
几乎 (almost everyone)关于你想问的有关libsvm的所有问题在这个帖子中都有答案．
ｓｏ请详细阅读此帖子后．若你的问题找不到答案，再发帖～
libsvm-mat-2.89-3-[farutoFinalVersion]
libsvm-mat-2.89-3-[farutoUltimateVersion2.0]
farutoUltimateVersion2.0就是最后的版本号了。我不会再更新啦~大家就下载这个版本的就可以啦。虽说近期也有一些更新和优化，但整体都是在这个的基础上啦。
====================另 libsvm-mat-farutoversion 版本更新历史[版本号有点乱大家别介意.O(∩_∩)O]:
farutoUltimateVersion1.0:2009.10.28
http://www.ilovematlab.cn/viewthread.php?tid=54665&highlight=%2Bfaruto
libsvm-mat-2.89-3-[farutoFinalVersion+pca]:2009.10.28
http://www.ilovematlab.cn/viewthread.php?tid=54658&highlight=%2Bfaruto
libsvm-mat-2.89-3-[farutoFinalVersion]:2009.10.08
http://www.ilovematlab.cn/viewthread.php?tid=52388&highlight=%2Bfaruto
libsvm-mat-2.89-3-farutoVer2:2009.09.23
http://www.ilovematlab.cn/viewthread.php?tid=51166&highlight=%2Bfaruto
libsvm-mat-2.89-3-farutoVer1:2009.08.27
http://www.ilovematlab.cn/viewthread.php?tid=48175&highlight=%2Bfaruto
============
欢迎您购买 《MATLAB 神经网络30个案例分析》（我是作者之一）
SVM是该书的内容之一
购买方式：http://www.ilovematlab.cn/thread-47939-1-1.html
MATLAB 神经网络30个案例分析——目录
http://www.ilovematlab.cn/thread-59023-1-1.html
与该书配套的有该加强工具箱的详细的使用视频：
SVM讲解视频汇总[by faruto]http://www.ilovematlab.cn/thread-62252-1-1.html
================
关于SVM[libsvm]的常见问题整理[Q&A]
强烈建议您再发有关libsvm的问题前,看一下Q&A大多数的问题您在那里就会找到答案~~O(∩_∩)O
==============
==========SVM入门精品讲解系列 十连弹=============
SVM入门精品讲解系列之一
SVM入门精品讲解系列之二&之三
SVM入门精品讲解系列之四
SVM入门精品讲解系列之五&六
SVM入门精品讲解系列之七
SVM入门精品讲解系列之八
SVM入门精品讲解系列之九&十
==========SVM视频===============================
【视频】神经网络libsvm-mat-加强工具箱介绍， 最好的SVM教程
http://www.ilovematlab.cn/thread-59483-1-1.html
Matlab 神经网络（八.1）：SVM神经网络理论实际应用
Matlab 神经网络（八.2）：SVM神经网络理论理论分析
=========SVM其他相关链接=========================
关于libsvm分类结果的可视化及分类曲线的可视化
Binary-class Cross Validation with Different Criteria
利用GA优化SVM参数的一点小探索
libsvm-mat-2.89-3-[farutoFinalVersion+pca]
利用PSO优化SVM参数的一点小探索
Matlab的libsvm-mat faruto版本 Ver2
Matlab利用libsvm做回归分析的一个小例子-by faruto
关于SVM参数c&g选取的总结帖[matlab-libsvm]
Matlab的FIG（信息粒化）+SVM对于上证指数的预测
libsvm的最新版本----libsvm-mat-2.89-3
libsvm更新版本----faruto version
有关Matlab中的SVM的一些问题的讨论[一次邮件往来]
有关SVM和libsvm的非常好的资料,想要详细研究SVM看这个
SVM的多类问题
交叉验证(Cross Validation)方法思想简介
关于libsvm分类结果的可视化及分类曲线的可视化
[framework] libsvmfarutoUltimateVersion3.0]
再论Matlab的libsvm的安装
如何利用LIBSVM-MAT画ROC曲线？
再议归一化问题
=================================================
SVM工具箱快速入手简易教程(by faruto)
最近发现好多朋友有关ＳＶＭ的工具箱的使用方法相关的东西，其实帮助文件里都有的［无论是ｍａｔｌａｂ自带的还是libsvm都是有帮助文件的而且写的也明确,但还是有朋友问问］,无奈我就写一个小简易的上手的教程,事先声明只给菜鸟写的,高手就不要看了,其实帮助文件里都有,你也可以看帮助文件,不用看我的.O(∩_∩)O..
一. matlab 自带的函数(matlab帮助文件里的例子)[只有较新版本的matlab中有这两个SVM的函数]
=====
svmtrain svmclassify
=====简要语法规则====
svmtrain
Train support vector machine classifier
Syntax
SVMStruct = svmtrain(Training, Group)
SVMStruct = svmtrain(..., 'Kernel_Function', Kernel_FunctionValue, ...)
SVMStruct = svmtrain(..., 'RBF_Sigma', RBFSigmaValue, ...)
SVMStruct = svmtrain(..., 'Polyorder', PolyorderValue, ...)
SVMStruct = svmtrain(..., 'Mlp_Params', Mlp_ParamsValue, ...)
SVMStruct = svmtrain(..., 'Method', MethodValue, ...)
SVMStruct = svmtrain(..., 'QuadProg_Opts', QuadProg_OptsValue, ...)
SVMStruct = svmtrain(..., 'SMO_Opts', SMO_OptsValue, ...)
SVMStruct = svmtrain(..., 'BoxConstraint', BoxConstraintValue, ...)
SVMStruct = svmtrain(..., 'Autoscale', AutoscaleValue, ...)
SVMStruct = svmtrain(..., 'Showplot', ShowplotValue, ...)
---------------------
svmclassify
Classify data using support vector machine
Syntax
Group = svmclassify(SVMStruct, Sample)
Group = svmclassify(SVMStruct, Sample, 'Showplot', ShowplotValue)
============================实例研究====================
load fisheriris
%载入matlab自带的数据[有关数据的信息可以自己到UCI查找,这是UCI的经典数据之一],得到的数据如下图:
tu1
[attach]24862[/attach]
其中meas是150*4的矩阵代表着有150个样本每个样本有4个属性描述,species代表着这150个样本的分类.
data = [meas(:,1), meas(:,2)];
%在这里只取meas的第一列和第二列,即只选取前两个属性.
groups = ismember(species,'setosa');
%由于species分类中是有三个分类:setosa,versicolor,virginica,为了使问题简单,我们将其变为二分类问题:Setosa and non-Setosa.
[train, test] = crossvalind('holdOut',groups);
cp = classperf(groups);
%随机选择训练集合测试集[有关crossvalind的使用请自己help一下]
其中cp作用是后来用来评价分类器的.
svmStruct = svmtrain(data(train,:),groups(train),'showplot',true);
%使用svmtrain进行训练,得到训练后的结构svmStruct,在预测时使用.
训练结果如图:
tu2
[attach]24863[/attach]
classes = svmclassify(svmStruct,data(test,:),'showplot',true);
%对于未知的测试集进行分类预测,结果如图:
tu3
[attach]24864[/attach]
classperf(cp,classes,test);
cp.CorrectRate
ans =
    0.9867
%分类器效果测评,就是看测试集分类的准确率的高低.
二.台湾林智仁的libsvm工具箱
该工具箱下载[libsvm-mat-2.86-1]:[attach]24867[/attach]
安装方法也很简单,解压文件,把当前工作目录调整到libsvm所在的文件夹下,再在set path里将libsvm所在的文件夹加到里面.然后
在命令行里输入
mex -setup  %选择一下编译器
make
这样就可以了.
建议大家使用libsvm工具箱,这个更好用一些.可以进行分类[多类别],预测....
=========
svmtrain
svmpredict
================
简要语法:
Usage
=====
matlab> model = svmtrain(training_label_vector, training_instance_matrix [, 'libsvm_options']);
        -training_label_vector:
            An m by 1 vector of training labels (type must be double).
        -training_instance_matrix:
            An m by n matrix of m training instances with n features.
            It can be dense or sparse (type must be double).
        -libsvm_options:
            A string of training options in the same format as that of LIBSVM.
matlab> [predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(testing_label_vector, testing_instance_matrix, model [, 'libsvm_options']);
        -testing_label_vector:
            An m by 1 vector of prediction labels. If labels of test
            data are unknown, simply use any random values. (type must be double)
        -testing_instance_matrix:
            An m by n matrix of m testing instances with n features.
            It can be dense or sparse. (type must be double)
        -model:
            The output of svmtrain.
        -libsvm_options:
            A string of testing options in the same format as that of LIBSVM.
Returned Model Structure
========================
实例研究:
load heart_scale.mat
%工具箱里自带的数据
如图:
tu4
[attach]24873[/attach]
其中 heart_scale_inst是样本,heart_scale_label是样本标签
model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
%训练样本,具体参数的调整请看帮助文件
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);
%分类预测,这里把训练集当作测试集,验证效果如下:
>> [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model); % test the training data
Accuracy = 86.6667% (234/270) (classification)
==============
这回把SVM这点入门的东西都说完了,大家可以参照着上手了,有关SVM的原理我下面有个简易的PPT,是以前做项目时我做的[当时我负责有关SVM这一块代码实现讲解什么的],感兴趣的你可以看看,都是上手较快的东西,想要深入学习SVM,你的学习统计学习理论什么的....挺多的呢..
[attach]24876[/attach]
-----------有关SVM和libsvm的非常好的资料,想要详细研究SVM看这个------
[attach]32035[/attach]
[attach]32036[/attach]
[attach]32037[/attach]
[attach]32038[/attach]
其中那个林智仁06年机器学习暑期学校讲义pdf是 matlab@man提供的[http://www.ilovematlab.cn/thread-47506-1-1.html]
图:
[attach]32039[/attach]
[attach]32040[/attach]
[attach]32041[/attach]
[attach]32042[/attach]