MATLAB 中的 SVM 可视化答案

【问题标题】：SVM Visualization in MATLABMATLAB 中的 SVM 可视化
【发布时间】：2011-02-08 14:44:26
【问题描述】：

在 Matlab 中执行 SVM 训练后，如何可视化 SVM 分类？

到目前为止，我只训练了 SVM：

% Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;

model = svmtrain(groundTruth, d);

【问题讨论】：

标签： matlab classification svm libsvm pca

【解决方案1】：

如果您使用的是 LIBSVM，则可以绘制分类结果：

% Labels are -1 or 1
groundTruth = Ytrain;
d = xtrain;

figure

% plot training data
hold on;
pos = find(groundTruth==1);
scatter(d(pos,1), d(pos,2), 'r')
pos = find(groundTruth==-1);
scatter(d(pos,1), d(pos,2), 'b')

% now plot support vectors
hold on;
sv = full(model.SVs);
plot(sv(:,1),sv(:,2),'ko');

% now plot decision area
[xi,yi] = meshgrid([min(d(:,1)):0.01:max(d(:,1))],[min(d(:,2)):0.01:max(d(:,2))]);
dd = [xi(:),yi(:)];
tic;[predicted_label, accuracy, decision_values] = svmpredict(zeros(size(dd,1),1), dd, model);toc
pos = find(predicted_label==1);
hold on;
redcolor = [1 0.8 0.8];
bluecolor = [0.8 0.8 1];
h1 = plot(dd(pos,1),dd(pos,2),'s','color',redcolor,'MarkerSize',10,'MarkerEdgeColor',redcolor,'MarkerFaceColor',redcolor);
pos = find(predicted_label==-1);
hold on;
h2 = plot(dd(pos,1),dd(pos,2),'s','color',bluecolor,'MarkerSize',10,'MarkerEdgeColor',bluecolor,'MarkerFaceColor',bluecolor);
uistack(h1, 'bottom');
uistack(h2, 'bottom');

【讨论】：

dd 是训练数据特征范围的网格。

【解决方案2】：

假设您的数据有两个以上的维度，您可以执行 PCA，将数据投影到 2D，然后根据您的 svm 分类器的输出为它们分配颜色（例如，A 类为红色，B 类为蓝色） .这很快就可以做到，您将看到是否有任何可视化的内容。但是，具有高维数的数据不太可能在 2D 中轻松可视化。

【讨论】：

执行 PCA 是什么意思？我怎么能那样做？请您再解释一下好吗？我想可视化 FisherIris 数据集上的 svm 分类（使用 libsvm）。如果我是对的，它是 4D
说实话，如果您甚至不知道 PCA 是什么（主成分分析的缩写），您最终可能会花费太多时间来获得最终结果。这不是微不足道的。我知道可视化决策边界会很有趣，但您可能需要考虑不同的策略来分析 SVM 的行为。你到底想达到什么目的？
最后我决定使用stprtool 而不是 libsvm 来选择绘制决策边界。它工作得很好。感谢您的回复

【解决方案3】：

查看类似于 LIBSVM 中的 svm-toy 函数。显然它只适用于二维二进制分类

【讨论】：

【解决方案4】：

model = svmtrain(groundTruth, d, 'ShowPlot', true);

【讨论】：