在 MATLAB 中使用多变量数据训练 LIBSVM

Question

LIBSVM 如何执行多元回归是我的普遍问题？ 详细地说，我有一定数量的链接的一些数据。 （示例 3 链接）。每个链接都有 3 个因变量，在模型中使用时会给出输出 Y。我在某个时间间隔内收集了这些链接上的数据。

LinkId | var1 |  var2  | var3 | var4(OUTPUT)
   1   |  10  |  12.1  |  2.2 |  3
   2   |  11  |  11.2  |  2.3 |  3.1
   3   |  12  |  12.4  |  4.1 |  1
   1   |  13  |  11.8  |  2.2 |  4
   2   |  14  |  12.7  |  2.3 |  2
   3   |  15  |  10.7  |  4.1 |  6
   1   |  16  |  8.6   |  2.2 |  6.6
   2   |  17  |  14.2  |  2.3 |  4
   3   |  18  |  9.8   |  4.1 |  5

我需要进行预测以找到输出

(2,19,10.2,2.3). 

如何使用上述数据在 Matlab 中使用 LIBSVM 进行训练？我可以将整个数据训练为 svmtrain 的输入以创建模型，还是需要单独训练每个链接并使用模型创建进行预测？它有什么不同吗？ 注意：请注意每个具有相同 ID 的链接具有相同的值。

Answer 1

这不是一个真正的matlab 或libsvm 问题，而是一个通用的svm 相关问题。

LIBSVM 如何执行多元回归是我的普遍问题？

LibSVM 只是一个库，它特别为回归任务实现了支持向量回归模型。简而言之，在线性情况下，SVR 试图找到一个超平面，您的数据点在其周围放置一些边缘（这是经典 SVM 的双重方法，它试图以尽可能大的边缘分离数据） .

在非线性情况下，使用内核技巧（以与 SVM 中相同的方式），因此它仍在寻找超平面，但在特定内核诱导的特征空间中，这导致非线性回归输入空间。

可以在这里找到关于 SVR 的非常好的介绍： http://alex.smola.org/papers/2003/SmoSch03b.pdf

如何使用上述数据在 Matlab 中使用 LIBSVM 进行训练？我可以将整个数据训练为 svmtrain 的输入以创建模型，还是需要单独训练每个链接并使用模型创建进行预测？它有什么不同吗？注意：请注意每个具有相同 ID 的链接具有相同的值。

你可以用整个数据训练SVR（因为它是一个回归问题），但是：

• 似乎var3 和LinkId 是相同的变量（1->2.2, 2->2.3, 3->4.1），如果是这种情况，您应该删除LinkId 列，
• var1 的值是唯一的升序整数吗？如果是这样，这些也可能是无用的功能（因为它们似乎没有携带任何信息，它们似乎是您的id 号码），
• 您应该在应用 SVM 之前预处理您的数据，例如。每列都包含来自[0,1] 区间的值，否则某些特征可能会因为它们的规模而变得比其他特征更重要。

现在，如果您想为每个链接创建一个单独的模型，并遵循上述线索，您最终会得到 1 输入变量 (var2) 和 1 输出变量 var4，所以我会不推荐这样的步骤。一般来说，您的特征集似乎非常有限，收集更多信息丰富的特征会很有价值。