matlabSVM多分類：fitcecoc函數

1.數據集：采用 matlab2016b 自帶數據集：iris鳶尾花、ionosphere電離層數據

2.采用函數 fitcecoc 進行SVM多分類模型訓練；【fitcecoc：ecoc：error-correcting output code】

3.采用10折交叉驗證對數據集進行划分，將Mdl轉化為 CVMdl

4.將誤差ossLoss作為模型的評價指標

示例1：鳶尾花數據集iris

function [CVMdl,oosLoss]=SVM3()    %分成三類
load fisheriris
X = meas;        %150*4 ：150個樣本，4個特征（萼長、萼寬、瓣長、瓣寬）；meas=measure（長度） Y = species; %三種屬性{'setosa','versicolor','virginica'}；species（種類） t = templateSVM('Standardize',1); %創建SVM模板t；
%templateSVM是fitcecoc函數中的SVM模板；
%standardize:數據標准化，可用help查看templateSVM其他參數 %訓練該模型 Mdl = fitcecoc(X,Y,'Learners',t,'ClassNames',{'setosa','versicolor','virginica'}); %驗證該模型 CVMdl = crossval(Mdl); %將模型進行交叉驗證，平衡模型欠擬合和過擬合 %顯示結果 oosLoss = kfoldLoss(CVMdl) %10折交叉驗證得到的泛化誤差 oosloss =0.033，效果很好

 結果如下：

>> [CVMdl,oosLoss]=SVM3()

CVMdl =

             classreg.learning.partition.ClassificationPartitionedECOC 
          
    CrossValidatedModel: 'ECOC' 
          
         PredictorNames: {'x1'  'x2'  'x3'  'x4'} 
          
           ResponseName: 'Y' 
          
        NumObservations: 150 
          
                  KFold: 10 
          
              Partition: [1x1 cvpartition] 
          
             ClassNames: {'setosa'  'versicolor'  'virginica'} 
          
         ScoreTransform: 'none' 
         

 
          
  Properties, Methods 
         

 
          
oosLoss = 
         

        0.0333333333333333

 

示例2：電離層數據二分類

% matlab自帶電離層
load ionosphere;

%使用默認選項訓練ECOC多類模型 model_2 = fitcecoc(X,Y); %創建一個SVM模板 t_2 = templateSVM('Standardize',1); %接下來訓練ECOC分類器 model_2 = fitcecoc(X,Y,'Learners',t_2); %使用10倍交叉驗證交叉驗證Mdl CVmodel_2 = crossval(model_2); %估算泛化誤差 oosLoss_2 = kfoldLoss(CVmodel_2);

結果：

>> [CVmodel_2,oosLoss_2]=SVM31()

CVmodel_2 = classreg.learning.partition.ClassificationPartitionedECOC CrossValidatedModel: 'ECOC' PredictorNames: {1x34 cell} ResponseName: 'Y' NumObservations: 351 KFold: 10 Partition: [1x1 cvpartition] ClassNames: {'b' 'g'} ScoreTransform: 'none' Properties, Methods oosLoss_2 = 0.113960113960115

 

參考資料：

1.官方文檔：https://www.mathworks.com/help/stats/fitcecoc.html

2.代碼參考：fitcecoc的其他數據集嘗試： https://blog.csdn.net/kekeicon/article/details/72812097，作者：kekeicon

3.matlab自帶數據集一覽：https://ww2.mathworks.cn/help/stats/sample-data-sets.html