如何将二进制 KNN 分类器更改为 SVM 分类器？

Question

我正在使用 KNN 分类器对性别进行分类。 我想添加一个 SVM 分类器，而不是具有相同标签 0 和 1 的 KNN 分类器（女性为 0，男性为 1）

我有一个测试示例矩阵sample，一个训练示例矩阵training，以及一个带有训练示例标签的向量group。我想要class，测试示例的标签向量。

class = knnclassify(sample, training, group);
if class==1
    x='Male';
else
    x='Female';
end

如何更改此代码以使用 SVM 找到 class？

Answer 1

要训练 SVM，您将需要 Statistics and Machine Learning Toolbox。

knnclassify 与使用 SVM 分类器的最大区别在于，训练和分类新标签将是两个独立的步骤。

1。训练你的支持向量机：fitcsvm

这一步教分类器如何区分你的两个类。它正在学习一个线性分离器（或特征的加权组合），它在正例和负例之间具有最大的边距。你给它的所有例子都需要有基本事实标签。

SVM 有许多可调参数，您可以在训练步骤中调整这些参数。 Matlab 文档中有几个很好的tutorials 描述了差异，但对于最基本的版本，您可以只使用您的训练示例

model = fitcsvm(training,group);

此模型将在下一步中使用。

2。分类新示例：predict

要对新示例进行分类，请运行

class = predict(sample, model);

注意事项：

使用您的模型，您还可以运行交叉折叠验证，这对准确性分析很有用。

cvModel = crossval(model);
classError = kfoldLoss(cvModel);

您也可以像保存任何其他 Matlab 变量一样保存模型以供将来使用。

save('model.m', 'model');

knnclassify 来自生物信息学工具箱。在 Statistics and Machine Learning Toolbox 中，还有一个 KNN 模型，您可以使用 fitcknn 进行训练并使用 predict 进行分类。好处是您可以将您的 KNN 模型与多组数据重用，比较交叉验证结果，并将其保存以备将来使用。