多类支持向量机分类

Question

我尝试使用一对一的方式运行自己的 svm 代码，但我在选择的函数中出现错误（c，sigma）和绘图函数中的错误，我希望你能帮我，这是代码

clear
clc
close all
%load the data
load dataset
load spacies
[~,~,group] = unique(spacies);
data=dataset(1:12,1:19);
xdata=zscore(data);
%group=spacies(1:end,1);
p=0.5;
[train,test]=crossvalind('HoldOut',group,p);
trainingsample=xdata(train,:);
traininglabel=group(train,1);
testingsample=xdata(test,:);
testinglabel=group(test,1);
numclass=max(group);
for i=1:numclass
    for j=i+1:numclass
        inij=(traininglabel==i)|(traininglabel==j);
        trainingsampleij=trainingsample(inij,:);
        traininglabelij=traininglabel(inij,:);
        %%k-fold using training data
        numfold=8;
        indices=crossvalind('kfold',traininglabelij,numfold);
        sigma=2.^(-10:1:10);
        C=2.^(-5:1:5);
        [bestsigma,bestC]=BestParametersRBF(trainingsampleij,...
                           traininglabelij,sigma,C,indices,numfold);
        %%performance
        svmStruct=svmtrain(trainingsampleij,traininglabelij,...
             'showplot',true,'kernel_function','rbf','rbf_sigma',bestsigma,...
             'boxconstraint',bestC);
        title(sprintf('Kernel Function: %s','rbf',...
              func2str(svmStruct.KernelFunction)),...
                       'interpreter','none');
        classes=svmclassify(svmStruct,testingsample,'showplot',true);
     end
 end
 acc=mean(grp2idx(classes)==grp2idx(testinglabel));

Answer 1

训练数据是用于训练分类器的数据（例如 SVM）。

测试数据用于测试训练好的分类器的性能。

Answer 2

两者都包含一组 (x, y) 对，其中 x 是输入向量，y 是输出（就像 x 所属的类）。但它们在使用和应用阶段不同。

当参数值不固定时，训练数据用于确定模型的参数值（有时是模型的形式）。

在参数完全固定后使用测试数据来测试模型的质量（如精度或召回率）。严格来说，你不能使用测试数据来调整任何参数，包括模型复杂度参数。测试数据仅用于测试。

开发数据集（通常与训练集分开）用于调整模型复杂度参数。