1. 請教faruto老師關於libsvm工具箱預測時核函數的選擇問題
|^cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg),' -s 3 -p 0.02 -t 1 '];里的抄-t 1就是選擇的多項式核襲函數。
-t 核函數類型：核函數設置類型(默認2)
0 -- 線性核函數: u'*v
1 -- 多項式核函數: (gamma*u'*v + coef0)^degree
2 -- RBF核函數: exp(-gamma*|u-v|^2)
3 -- sigmoid核函數: tanh(gamma*u'*v + coef0)
4 -- 預定義核函數（指定核矩陣）
2. matab支持向量機libsvm工具箱，裡面的參數-p是不是理論知識里的不敏感損失函數ε，那麼哪個
p確實是episilon，但鬆弛因子是演算法由原始問題轉換為對偶問題後，就不需要求解了，因此不用在SVR里設置這個參數了。對偶問題里仍包含episilon，因此需要這個參數。
3. 關於matlab的SVM工具箱的幾個函數
能不用自帶函數不，給你個最小二乘支持向量機的自編代碼
clear all;
clc;
N=35; %樣本個數
NN1=4; %預測樣本數
%********************隨機選擇初始訓練樣本及確定預測樣本*******************************
x=[];
y=[];
index=randperm(N); %隨機排序N個序列
index=sort(index);
gama=23.411; %正則化參數
deita=0.0698; %核參數值
%thita=; %核參數值
%*********構造感知機核函數*************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=tanh(deita*(x1'*x2)+thita);
% end
%end
%*********構造徑向基核函數**************************************
for i=1:N
x1=x(:,index(i));
for j=1:N
x2=x(:,index(j));
x12=x1-x2;
K(i,j)=exp(-(x12'*x12)/2/(deita*deita));
end
end
%*********構造多項式核函數****************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=(1+x1'*x2)^(deita);
% end
%end
%*********構造核矩陣************************************
for i=1:N-NN1
for j=1:N-NN1
omeiga1(i,j)=K(i,j);
end
end
omeiga2=omeiga1';
omeiga=omeiga2+(1/gama)*eye(N-NN1);
A12=ones(1,N-NN1);
A21=A12';
A=[0 A12;A21 omeiga];
%**************************************
for i=1:N-NN1
B21(i,:)=y(index(i));
end
B=[0;B21];
%********LS-SVM模型的解******************************
C=A\B;
%******
b=C(1); %模型參數
for i=1:N-NN1
aipha(i)=C(i+1); %模型參數，行向量
end
%*******************************************
for i=1:N %預測模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index
4. libsvm工具包中關於svmpredict函數的問題
答案很簡單http://blog.sina.com.cn/s/blog_4c98b960010009jh.html
5. 使用LibSVM工具包中的svmprdict函數的時候，概率輸出值全部相同的問題
這應該是在提取SIFT特徵的時候因為圖片尺寸的關系，在量化階段混進了長度為零的矢量，所以在後續計算核矩陣的時候出現了NaN的情況，把它們去掉就好了。今晚8點發。
6. libsvm工具箱和lssvm工具箱有什麼區別
1、這兩個意義完全不一樣，lssvm是最小二乘支持向量機，是一種演算法 libsvm是一個支持版向量機的工具集合，權一個庫；
2、LIBSVM是台灣大學林智仁(Lin Chih-Jen)副教授等開發設計的一個簡單、易於使用和快速有效的SVM模式識別與回歸的軟體包，不但提供了編譯好的可在Windows系列系統的執行文件，還提供了源代碼，方便改進、修改以及在其它操作系統上應用；
3、而LSSVM是支持向量機演算法的一種改進版本——即最小二乘支持向量機（Least Squares Support Vector Machine）。
7. 如何在MATLAB中添加SVM函數工具箱
你可以參照http://jingyan..com/article/a501d80cf764c3ec630f5ef5.html的步驟進行安裝，然後重啟Matlab就可以調用SVM函數工版具箱了。權
8. libsvm工具箱中的svmtrain函數最多可處理多少個數據
1. 1 v 1 實現的多分類（一對一法（one-versus-one,簡稱1-v-1 SVMs）。） Libsvm中的多類分類就是根版據這個方法實現的。 2 在工具箱裡面可以找權到 svmtrain 3 看視頻。裡面有講解怎麼弄成matlab格式的數據~
9. 我安裝了libsvm工具箱，可是沒有svmpredict函數，求助，急，謝謝各位大俠
問下，這個svmpredict工具箱是用於預測的嗎？如果是的話那我將來也要用到的。。
10. 在使用libsvm工具箱做分類時，函數svmtrain中的參數』-b 1『是什麼意思
看到沒有答案，特來為後來人鋪路。
-b參數用於輸出概率估計模型，其附帶的概率估計輸內出在分類問題上可用容於畫ROC曲線
需要注意，'-b 0' 用於SVC也就是分類問題
'-b 1'用於SVR也就是回歸問題
這里概率模型的准確率比直接輸出類別的模型的准確率存在差別的原因是因為參數錯了。