我正在尝试在 Matlab 中为多类问题实现 SVM。我知道 matlab 中有一个 SVM 的内置代码，但我不知道如何使用它。在开始使用 Matlab SVM 时需要一些帮助。
【问题讨论】：
标签： matlab neural-network svm
SVM 分为两类。如果你想创建一个多类 SVM，你必须自己破解它。例如，您可以使用支持向量机作为“廉价分类器”进行 AdaBoost，尽管它们的训练成本并不低（与决策树甚至决策树桩相反）。
说到 AdaBoost，如果你真的不想自己编程，你可能最终会在 matlab 中使用ensemble methods：
对于三个或更多类的分类：
- 'AdaBoostM2'
- “LPBoost”（需要优化工具箱许可证）
- “TotalBoost”（需要优化工具箱许可证）
- 'RUSBoost'
- “子空间”
- '包'
集成工具箱非常简单，matlab 的帮助页面上有大量文档。基本上你说明你的X 和Y，你想要的学习器类型（例如SVM）和集成方法，这是你想用来组合不同弱学习器的方法。 AdaBoost 是一种方法，但您也可以只做 Bagging，让所有弱学习者的多数票都算在内。
因此，您可以在这里回答或至少问自己一些问题：为什么要对 SVM 进行多分类？是家庭作业吗？您知道 SVM 和其他机器学习算法的工作原理吗？您需要帮助选择正确的算法吗？
【讨论】：
fitcecoc。此外，为 k-class SVM 训练 k one-vs-all 二进制 SVM 是一项非常简单的任务。
fitcecoc... 请记住，尽管一对一的二进制 SVM 需要更多的工作。当多个学习者声称这是他们的课程时该怎么办？如果没有人声称数据属于他们的类怎么办？然后，您开始根据每个学习者在验证集上的表现来定义他们的权重。在不知不觉中，您正在做类似于 adaboost 的事情 :)。