1、支持向量機

1、基于統計理論的學習系統

2、屬于有監督學習的方法

3、用于樣本分類

4、分為線性分類模型與非線性分類模型

下面看一道例題：有18組數據，有不同的類別屬性，建立SVM模型。

clear
clc
X0=xlsread('Excel文件位置','B2:E19');
for i=1:3
    X(:,i)=(X0(:,i)-mean(X0(:,i)))/std(X0(:,i));%數據標準化
end
[m,n]=size(X);
e=ones(m,1);
D=[X0(:,4)];
B=zeros(m,m);
C=zeros(m,m);
for i=1:m
    B(i,i)=1;
    C(i,i)=D(i,1);
end
A=[-X(:,1).*D,-X(:,2).*D,-X(:,3).*D,D,-B];
b=-e;
f=[0,0,0,0,ones(1,m)];
lb=[-inf,-inf,-inf,-inf,zeros(1,m)]';
x=linprog(f,A,b,[],[],lb);
W=[x(1,1),x(2,1),x(3,1)];
CC=x(4,1);
X1=[X(:,1),X(:,2),X(:,3)];
R1=X1*W'-CC;
R2=sign(R1);
disp('程序輸出結果:');
disp('超平面方程為:');
disp(['X1:',num2str(x(1,1))]);
disp(['X2:',num2str(x(2,1))]);
disp(['X3:',num2str(x(3,1))]);
disp(['intercept:',num2str(x(4,1))]);
disp('超平面分類結果:');
R=[R1,R2]

結果展示：

Optimization terminated.
程序輸出結果:
超平面方程為:
X1:2.4476
X2:0.07549
X3:1.17
intercept:0.70991

超平面分類結果:

R =

2.6679 1.0000
2.6442 1.0000
2.6488 1.0000
1.0000 1.0000
1.0000 1.0000
2.4507 1.0000
-0.8074 -1.0000
1.0000 1.0000
0.1764 1.0000
-1.0000 -1.0000
0.3683 1.0000
-1.7115 -1.0000
-3.7894 -1.0000
-6.5114 -1.0000
-5.3694 -1.0000
0.6273 1.0000
-4.1523 -1.0000
-4.0207 -1.0000

從結果可以看出存在一定的誤差，例如，第16組數據分類為1。

審核編輯：劉清