Question

我正在尝试使用预先计算的内核与libsvm（matlab）进行5倍交叉验证，但是，我收到以下错误消息：未定义的功能＆＃39; ge＆＃39;对于类型＆＃39; struct＆＃39;的输入参数。这是因为Libsvm在交叉验证中返回结构而不是值，如何解决这个问题，这是我的代码：

load('iris.dat')
data=iris(:,1:4);
class=iris(:,5);

% normalize the data
range=repmat((max(data)-min(data)),size(data,1),1);
data=(data-repmat(min(data),size(data,1),1))./range;

% train  
tr_data=[data(1:5,:);data(52:56,:);data(101:105,:)];
tr_lbl=[ones(5,1);2*ones(5,1);3*ones(5,1)];


% kernel computation
sigma=.8
rbfKernel = @(X,Y,sigma) exp((-pdist2(X,Y,'euclidean').^2)./(2*sigma^2));
Ktr=[(1:15)',rbfKernel(tr_data,tr_data,sigma)];
kts=[ (1:150)',rbfKernel(data,tr_data,sigma)];

% svmptrain
bestcv = 0;
for log2c = -1:3
    cmd = ['Ktr -t 4 -v 5 -c ', num2str(2^log2c)];  
    cv = svmtrain2(tr_lbl,tr_data, cmd);
    if (cv >= bestcv)
      bestcv = cv; 
      bestc = 2^log2c;
    end 
end


cmd=['-s 0 -c ', num2str(bestc), 'Ktr -t 4']
model=svmtrain2(tr_lbl,tr_data,cmd)

% svm predict
labels=svmpredict(class,data,model,kts)

Answer 1

您使用的函数svmtrain2不是标准MATLAB的一部分，函数的输出也不是结构。但如果您坚持使用它，您可以使用其他现有功能计算数据分数：

[f,K] = svmeval(X_eval,varargin)

使用 svmtrain2 的输出评估经过训练的svm。但我更喜欢首先使用嵌入在MATLAB中的标准函数。在标准MATLAB库中有：

SVMStruct = svmtrain(Training,Group)

返回结构SVMStruct，其中包含有关受过训练的支持向量机（SVM）分类器的信息。或

SVMModel = fitcsvm(X,Y)

返回支持向量机分类器SVMModel，由预测变量X和类标签Y训练，用于一类或两类分类。然后你可以使用以下方法获得每个预测的分数：

[label,Score] = predict(SVMModel,X)

返回类别可能性度量，即得分或后验概率。

Answer 2

您收到该错误是因为您正在尝试比较结构和数字。

如果你想要的是在训练集中找到最佳表现（从你的比较看来），我认为你不能直接从svmtrain返回的结构中得到它。您应该首先将svmpredict与训练集和训练模型一起使用，然后您可以从结果结构中获得准确性。

libsvm在matlab中使用预先计算的内核进行交叉验证

2 个答案: