【建模算法】SVM二分类|MATLAB实现SVM到底有多简单？

硬件电子工程师 · 发表于 2023-9-6 00:01:00

点击上方蓝字和“好玩的MATLAB”一起快乐玩耍吧！

ioye3iwv2326405198754.jpg

好玩的matlab
带你解锁不一样的matlab新玩法

喜欢此推文的小伙伴们记得点赞+关注+分享！
01
算法用途

ixjsmvbpbwa6405198854.png

支持向量机（SVM）从数据中找出一个数据的分割超平面。将两个类别的数据完全分割开，并且在模型构建的过程中，保证分割区间最大化。SVM多用于聚类，当然也可以用于回归，今天来看一个SVM二分类的例子吧~

02
实例分析

【和之前Logistic二分类使用一样的数据】用心脏病判断数据为例，最后一列target为判断结果，即因变量（0-1变量），当target为0时，判定未患心脏病，当target为1时，判断为心脏病。通过前面一系列的年龄、性别等指标作为自变量进行判定。数据来源于参考链接[1]。数据形式如下：

gt2mqa14jx46405198954.png

03
直接看源码吧

完整二分类SVM代码

%2021/8/24%公众号：好玩的MATLABclc;clear;close all;load('heart_data') %数据和logistic二分类那篇推文data=heart_data;data(:,end)=data(:,end)+1; %注意 0-1标签数据要做成1-2标签的num_train = ceil(0.8*size(heart_data,1));%整个数据的0.8作为训练集choose = randperm(length(data));train_data = data(choose(1:num_train),1:end); %训练集label_train = train_data(:,end); %训练标签test_data = data(choose(num_train+1:end),1:end); %测试集label_test = test_data(:,end); %测试标签SVMModel = fitcsvm(train_data(:,1:end-1),label_train,'KernelScale','auto','Standardize',true,...'OutlierFraction',0.05);[~,score] = predict(SVMModel,test_data(:,1:end-1));[~,label_pre] = max(score');accuracy = length(find(label_pre==label_test'))/length(label_test);disp('SVM二分类正确率为')disp(accuracy)%% 10 折交叉验证CVSVMModel = crossval(SVMModel);classLoss = kfoldLoss(CVSVMModel);disp('10 折交叉验证正确率为')disp(1-classLoss)

fnvlnffk4rw6405199054.png

试了几次，准确率都在0.8~0.9之间，准确率显然比之前的Logistic回归高挺多~

SVM自动寻优

通过使用自动超参数优化，找到最小化五折交叉验证损失的超参数

%公众号：好玩的MATLABclc;clear;close all;load('heart_data') %数据和logistic二分类那篇推文data=heart_data;data(:,end)=data(:,end)+1; %注意 0-1标签数据要做成1-2标签的num_train = ceil(0.8*size(heart_data,1));%整个数据的0.8作为训练集choose = randperm(length(data));train_data = data(choose(1:num_train),1:end); %训练集label_train = train_data(:,end); %训练标签test_data = data(choose(num_train+1:end),1:end); %测试集label_test = test_data(:,end); %测试标签%% 通过使用自动超参数优化，找到最小化五折交叉验证损失的超参数SVMModel =fitcsvm(train_data(:,1:end-1),label_train,'OptimizeHyperparameters','auto', ... 'HyperparameterOptimizationOptions',struct('AcquisitionFunctionName', ... 'expected-improvement-plus'));[~,score] = predict(SVMModel,test_data(:,1:end-1));[~,label_pre] = max(score');accuracy = length(find(label_pre==label_test'))/length(label_test);disp('SVM二分类正确率为')disp(accuracy)可能需要等个十分钟左右（看电脑配置）出结果，毕竟是优化参数了，得到大概结果如下：

fy0bqtsghoe6405199154.png

还有优化的图示哟~

ryi4cpuj3fn6405199254.jpg

毕竟等了这么长时间直接保存模型就可以下次接着用了

save SVMModel
下次直接导入就可

load('SVMModel.mat')[~,score] = predict(SVMModel,test_data(:,1:end-1));[~,label_pre] = max(score');accuracy = length(find(label_pre==label_test'))/length(label_test);disp('SVM二分类正确率为')disp(accuracy)
END
好书推荐：
本书共分15章,内容包括数学建模概论，初等模型，微分方程模型，种群生态学模型，线性规划模型，非线性规划模型，层次分析模型，随机模型，动态规划模型，图论模型，最短路模型，网络流模型，数学建模竞赛案例选讲，MATLAB软件使用简介等。
参考资料：
【1】数据来源：https://github.com/omkarsutar9702/heart-EDA/blob/main/heart.csv

往期精彩回顾

lozmzment3u6405199354.png

xm50jtoqwn36405199454.png

oty2lpswppb6405199554.jpg

↓↓↓ 点击"阅读原文" 【加入QQ交流群】