在 Matlab 中使用 SVM 和 SVM

【问题标题】：Use sequentialfs with SVM in Matlab在 Matlab 中使用 SVM 和 SVM
【发布时间】：2016-08-07 08:00:40
【问题描述】：

有人可以帮我处理“sequentialfs”吗？

我无法将它与以下 SVM 函数一起使用。 “X”包含每个观察的特征，“y”包含每个观察的类别。

SVMModel = fitcsvm(X,Y);
predict(SVMModel, X);

执行sequentialfs时出现如下错误：

函数“featureSelection”产生以下错误：输入参数过多。

这里是我的代码：

fs = sequentialfs(@featureSelection,X,y)

function err=featureSelection(X,y)
    SVMModel = fitcsvm(X,y,'KernelFunction','gaussian', 'KernelScale','auto');
    err = 0;
    for i=1:size(X,1)
         err = err + (y(i) ~= predict(SVMModel,X(i,:)));
    end 
end

谢谢！

【问题讨论】：

标签： matlab svm feature-selection

【解决方案1】：

我遇到了同样的问题。根据 MATLAB 的文档：

sequentialfs 通过重复调用执行 10 倍交叉验证有趣的 X 和 y、XTRAIN 和 ytrain 的不同训练子集，以及测试X和y的子集，XTEST和ytest，如下：

标准 = 乐趣（XTRAIN,ytrain,XTEST,ytest）

这意味着您的标准函数应遵循以下形式：

function err=featureSelection(XTRAIN,ytrain,XTEST,yTest)

只要 sequentialfs 默认将您的 X 数据分离为 XTRAIN 和 XTEST 子集。

下面是一个例子：

c = cvpartition(Labels,'Holdout',0.3);
opts = statset('display','iter');
classf = @(train_data,train_labels,test_data,test_labels) ...
       sum(predict(fitcsvm(train_data,train_labels,'KernelFunction','rbf'), test_data) ~= test_labels); 
[fs,history] = sequentialfs(classf,Data,Labels,'cv',c,'options',opts)

【讨论】：