最小二乘支持向量机LS-SVMlab工具箱

Halcom

最小二乘支持向量机LS-SVMlab工具箱：http://www.esat.kuleuven.be/sista/lssvmlab/

1. % >> [alpha, b] = trainlssvm({X,Y,type,gam,sig2})
   
2. % >> [alpha, b] = trainlssvm({X,Y,type,gam,sig2,kernel})
   
3. % >> [alpha, b] = trainlssvm({X,Y,type,gam,sig2,kernel,preprocess})
   
4. %
   
5. %       Outputs
   
6. %         alpha         : N x m matrix with support values of the LS-SVM
   
7. %         b             : 1 x m vector with bias term(s) of the LS-SVM
   
8. %       Inputs
   
9. %         X             : N x d matrix with the inputs of the training data
   
10. %         Y             : N x 1 vector with the outputs of the training data
    
11. %         type          : 'function estimation' ('f') or 'classifier' ('c')
    
12. %         gam           : Regularization parameter正则化参数
    
13. %         sig2          : Kernel parameter (bandwidth in the case of the 'RBF_kernel')基宽因子
    
14. %         kernel(*)     : Kernel type (by default 'RBF_kernel')
    
15. %         preprocess(*) : 'preprocess'(*) or 'original'

复制代码

支持向量机SVM工具箱：http://www.csie.ntu.edu.tw/~cjlin/libsvm/

1. % Usage: model = svmtrain(training_label_vector, training_instance_matrix, 'libsvm_options');
   
2. % libsvm_options:
   
3. % -s svm_type : set type of SVM (default 0)
   
4. %         0 -- C-SVC                (multi-class classification)
   
5. %         1 -- nu-SVC                (multi-class classification)
   
6. %         2 -- one-class SVM
   
7. %         3 -- epsilon-SVR        (regression)
   
8. %         4 -- nu-SVR                (regression)
   
9. % -t kernel_type : set type of kernel function (default 2)
   
10. %         0 -- linear: u'*v
    
11. %         1 -- polynomial: (gamma*u'*v + coef0)^degree
    
12. %         2 -- radial basis function: exp(-gamma*|u-v|^2)
    
13. %         3 -- sigmoid: tanh(gamma*u'*v + coef0)
    
14. %         4 -- precomputed kernel (kernel values in training_instance_matrix)
    
15. % -d degree : set degree in kernel function (default 3)
    
16. % -g gamma : set gamma in kernel function (default 1/num_features)
    
17. % -r coef0 : set coef0 in kernel function (default 0)
    
18. % -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
    
19. % -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
    
20. % -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
    
21. % -m cachesize : set cache memory size in MB (default 100)
    
22. % -e epsilon : set tolerance of termination criterion (default 0.001)
    
23. % -h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
    
24. % -b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)
    
25. % -wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
    
26. % -v n : n-fold cross validation mode
    
27. % -q : quiet mode (no outputs)

复制代码

百度网盘分享：http://pan.baidu.com/s/1boT5B4N

可参考文章：http://www.doc88.com/p-959212556942.html