关于libsvm分类结果的可视化及分类曲线的可视化-加权SVM相关论文.rar下载

关于libsvm分类结果的可视化及分类曲线的可视化-加权SVM相关论文.rar 关于libsvvm分类结果的可视化及分类曲线的可视化  by faruto 论坛里曾有多位朋友询问过，有关libsvvm分类结果的可视化及分类曲线的可视化（可能大家感觉这个放在自己的paper里面会比较拉风，个人感觉可视化这些东西真的很虚幻，看着拉风，实则无用）。整体过程我心中明了，但实在是对可视化这种东西的鄙视，所以一直未将关于libsvm分类结果的可视化及分类曲线的可视化的结果实现，并以插件函数的形式放在自己的faruto -libsvm工具箱里面。 本质其实就是用contour来实现。 今天下午把科学*理论 翘掉了【我还记得代课老师说让大家查看一下科学*理论和空想*的区别。囧！】。在宿舍搞了一下。 原本想法是要搞就搞高级一点的，想把对于任意维的测试数据的任意两维（或任意三维）进行可视化，并给出分类超曲面，但最终未果，无法实现。【具体原因我就不说了，深入想过这个的应该会明的。】 【搞的我从下午一直搞到 晚上六点，晚饭都没吃，就直接去上的 《概率论的数学基础》课。囧！】你别看代码就几行。但里面的想法挺巧妙的。。 所以，我在这里要说的是，下面的函数插件 svmplot.m 只对两分类，且属性数据是两维的，给出的分类结果的可视化及分类曲线的可视化才是有意义和准确的。对于不是两分类或属性数据不是两维的，我这个也可以给出个图，但那个的没有实际意义！切记！！切记！！ {近期还想弄的就是专门对于 un-balanced data的处理的函数插件。！} 测试图： 1.jpg 代码：要的直接拿去【拿去在paper里面拉风吧！】。放在libsvm -faruto版本里面就能直接用。function svmplot % svmplot by faruto % 2009.12.03 % Email:patrick.lee@foxmail.com QQ:516667408 if nargin == 3     demension1 = 1;     demension2 = 2; end %% minX = min); maxX = max); minY = min); maxY = max); gridX = ./ 100; gridY = ./ 100; minX = minX - 10 * gridX; maxX = maxX 10 * gridX; minY = minY - 10 * gridY; maxY = maxY 10 * gridY; [bigX, bigY] = meshgrid; %% model.Parameters = 3; ntest=size * size; test_dataset=[reshape, reshape]; test_label = zeros, 1); [Z, acc] = svmpredict; bigZ = reshape, size); %% clf; hold on; grid on; ispos = ); pos = find; neg = find; h1 = plot, dataset, 'r '); h2 = plot, dataset, 'g*'); h3 = plot,model.SVs,'o' ); legend; [C,h] = contour; clabel; xlabel; ylabel; title; 复制代码代码的有一个小trick是参照了svmtoy的思路。 原本我也有思路，但这个更简便。