如何在 MATLAB 中实现我必须使用 svmtrain() 函数的数据？

Question

我必须使用 MATLAB 编写一个脚本来对我的数据进行分类。

我的数据由 1051 个网页（行）和 11000 多个单词（列）组成。我在每页的矩阵中都保存了单词出现。前 230 行是关于计算机科学课程的（标记为 +1），其余 821 行不是（标记为 -1）。我将自己标记这些行的一部分（比如 30 行）。然后 SVM 将标记剩余的未标记行。

我发现我可以使用 MATLAB 的 svmtrain() 和 svmclassify() 方法解决我的问题。首先我需要创建SVMStruct。

SVMStruct = svmtrain(Training,Group)

那我需要使用

Group = svmclassify(SVMStruct,Sample)

但我不知道Training 和Group 是什么。对于Group Mathworks 说：

分组变量，可以是分类变量、数字变量或逻辑变量 向量、字符串的单元向量或每行的字符矩阵 代表一个类标签。 Group 的每个元素指定组 对应的培训行。小组应分培训 分成两组。组具有相同数量的元素 训练中的行。 svmtrain 处理每个 NaN、空字符串或 Group 中的 'undefined' 作为缺失值，并忽略相应的 训练行。

对于Training，据说：

训练数据矩阵，其中每一行对应一个观察值 或复制，每一列对应一个特征或变量。 svmtrain 将 Training 中的 NaN 或空字符串视为缺失值 并忽略 Group 的相应行。

我想知道如何将我的数据用于Training 和Group？我需要（至少）一些代码示例。

编辑

我不明白的是，为了拥有SVMStruct，我必须运行

SVMStruct = svmtrain(Training, Group);

为了拥有组我必须运行

Group = svmclassify(SVMStruct,Sample);

另外我还是没明白Sample应该是什么样子？

我很困惑。

Answer 1

Training 将是一个包含 1051 行（网页/训练实例）和 11000 列（特征/单词）的矩阵。我假设您想测试网页上每个单词是否存在？在这种情况下，如果给定网页的单词存在，则可以将矩阵的条目设为 1，如果不存在，则将矩阵的条目设为 0。

您可以使用 Training = zeros(1051,11000); 初始化矩阵，但填充条目取决于您，可能使用您编写的其他代码完成。

Group 是一维列向量，每个训练实例（网页）都有一个条目，而不是告诉您网页属于两个类中的哪一个。在您的情况下，您可以将前 230 个条目设为计算机科学的“+1”，其余 821 个条目设为“-1”表示非。

Group = zeros(1051,1);  % gives you a matrix of zeros with 1051 rows and 1 column
Group(1:230) = 1;       % set first 230 entries to +1
Group(231:end) = -1;    % set the rest to -1