SVM分类详细介绍

源码

什么是SVM分类？

SVM分类（支持向量机分类）是一种基于**支持向量机（Support Vector Machine, SVM）**的监督学习算法，广泛应用于分类和回归分析。SVM通过在高维空间中寻找最佳分隔超平面，将不同类别的数据样本进行有效区分。其核心思想是最大化类间边界（Margin），以提高模型的泛化能力和鲁棒性。

SVM分类的组成部分

1. 输入层：

   • 接收输入数据的特征向量，每个节点对应一个特征。

2. 支持向量：

   • 位于边界附近的关键样本点，决定了分隔超平面的位置和方向。

3. 分隔超平面：

   • 将不同类别的数据样本分开的决策边界。最佳分隔超平面是使得类间边界最大化的超平面。

4. 核函数：

   • 通过非线性映射将数据从原始空间转换到高维特征空间，使得在高维空间中线性可分。常用的核函数包括线性核、多项式核和径向基函数核（RBF核）。

SVM分类的工作原理

SVM分类通过以下步骤实现分类任务：

1. 数据准备与预处理：

   • 数据收集与整理：确保数据的完整性和准确性，处理缺失值和异常值。
   • 数据划分：将数据集划分为训练集和测试集，常用比例为70%训练集和30%测试集。
   • 数据预处理：对数据进行归一化或标准化处理，以提高模型的训练效果和稳定性。

2. 构建SVM模型：

   • 选择核函数：根据数据分布选择合适的核函数（如线性核、多项式核或RBF核）。
   • 设置参数：设定惩罚因子（C）和核函数参数（如RBF核的γ值），以平衡模型的复杂度和拟合能力。

3. 训练SVM模型：

   • 使用训练集数据训练SVM模型，寻找最佳分隔超平面。
   • 优化目标是最大化类间边界，同时最小化分类错误。

4. 模型预测与评估：

   • 使用训练好的SVM模型对训练集和测试集进行分类预测。
   • 评估模型的分类准确率、混淆矩阵等性能指标，分析模型的泛化能力和分类效果。

SVM分类的优势

1. 高准确性：

   • SVM在处理高维数据和复杂边界问题时表现出色，通常具有较高的分类准确率。

2. 有效处理非线性关系：

   • 通过核函数的非线性映射，SVM能够处理复杂的非线性关系，实现更灵活的分类。

3. 鲁棒性强：

   • SVM通过最大化边界来提升模型的泛化能力，减少过拟合现象。

4. 适用于小样本数据：

   • SVM在小样本数据集上也能表现出良好的性能，适合实际应用中的数据不足情况。

5. 理论基础坚实：

   • SVM基于统计学习理论，具有明确的理论支持和优化目标。

SVM分类的应用

SVM分类广泛应用于各类需要高精度分类的领域，包括但不限于：

1. 医疗诊断：

   • 疾病预测：如癌症诊断、心脏病预测等。
   • 病人风险评估：评估病人的手术风险或恢复可能性。

2. 金融预测：

   • 信用评分：评估个人或企业的信用风险。
   • 股票市场预测：预测股票价格的涨跌趋势。

3. 生物信息学：

   • 基因分类：根据基因表达数据进行疾病分类。
   • 蛋白质结构预测：预测蛋白质的功能和结构。

4. 图像与语音识别：

   • 图像分类：如手写数字识别、人脸识别等。
   • 语音识别：将语音信号转化为文本或指令。

5. 工业控制：

   • 质量检测：自动化检测产品质量，减少人工误差。
   • 故障诊断：预测和诊断设备故障，提升生产效率。

如何使用SVM分类

使用SVM分类模型主要包括以下步骤：

1. 准备数据集：

   • 数据收集与整理：确保数据的完整性和准确性，处理缺失值和异常值。
   • 数据划分：将数据集划分为训练集和测试集，常用比例为70%训练集和30%测试集。
   • 数据预处理：对数据进行归一化或标准化处理，以提高模型的训练效果和稳定性。

2. 设置SVM参数：

   • 惩罚因子（C）：控制分类错误的惩罚程度，较大的C值会减少分类错误，但可能导致过拟合。
   • 核函数参数（γ）：控制RBF核的宽度，较大的γ值会使决策边界更加复杂，较小的γ值则使边界更加平滑。

3. 构建与训练模型：

   • 选择核函数：根据数据分布选择合适的核函数，如RBF核。
   • 训练模型：使用训练集数据训练SVM模型，寻找最佳分隔超平面。

4. 模型预测与评估：

   • 预测：使用训练好的SVM模型对训练集和测试集进行分类预测。
   • 评估：计算分类准确率、生成混淆矩阵，分析模型的性能和泛化能力。

5. 结果分析与可视化：

   • 预测结果对比图：绘制真实值与预测值的对比图，直观展示模型的分类效果。
   • 误差曲线：绘制模型的误差随决策树数目或其他参数变化的曲线，观察模型的收敛情况。
   • 混淆矩阵：生成混淆矩阵，详细分析分类的具体性能指标，如精确率、召回率和F1分数。

使用SVM分类的步骤示例

以下以一个具体的步骤示例，说明如何在MATLAB中实现SVM分类：

1. 数据准备：

   • 确保数据集数据集.xlsx的最后一列为类别标签，且标签为整数编码。
   • 使用MATLAB读取数据，并进行随机打乱、划分训练集和测试集。

2. 数据预处理：

   • 对输入数据进行归一化处理，确保数据在相同的尺度范围内。
   • 保持类别标签的原始形式，适应分类任务。

3. 模型构建与参数设置：

   • 设置SVM的参数，如惩罚因子（C）和核函数参数（γ）。
   • 使用MATLAB的svmtrain函数创建SVM模型，并训练输出层权重。

4. 模型训练与测试：

   • 使用训练集数据训练SVM模型。
   • 对训练集和测试集进行预测，计算分类准确率。

5. 结果可视化：

   • 绘制训练集和测试集的真实值与预测值对比图，直观展示模型的分类效果。
   • 生成混淆矩阵，详细分析分类性能。

通过上述步骤，用户可以利用SVM分类模型高效地解决各种分类问题，提升模型的准确性和鲁棒性。

代码简介

该MATLAB代码实现了基于**支持向量机（SVM）**的分类算法，简称“SVM分类”。其主要流程如下：

1. 数据预处理：

   • 导入数据集，并随机打乱数据顺序。
   • 将数据集划分为训练集和测试集。
   • 对数据进行归一化处理，以提高训练效果。

2. 模型构建与参数设置：

   • 设置SVM的参数，如惩罚因子（C）和核函数参数（γ）。
   • 使用MATLAB的svmtrain函数创建SVM模型，并训练输出层权重。

3. 模型训练与测试：

   • 使用训练集数据训练SVM模型。
   • 对训练集和测试集进行预测，并计算分类准确率。

4. 结果分析与可视化：

   • 绘制预测结果对比图。
   • 绘制误差曲线。
   • 绘制特征重要性图（如果适用）。
   • 生成混淆矩阵，评估模型性能。

以下是添加了详细中文注释的SVM分类MATLAB代码。

MATLAB代码（添加详细中文注释）

%% 初始化
clear                % 清除工作区变量
close all            % 关闭所有图形窗口
clc                  % 清空命令行窗口
warning off          % 关闭警告信息

%% 导入数据
res = xlsread('数据集.xlsx');  % 从Excel文件中读取数据，假设最后一列为类别标签

%% 数据分析
num_class = length(unique(res(:, end)));  % 计算类别数（假设最后一列为类别标签）
num_res = size(res, 1);                   % 计算样本数（数据集中的行数）
num_size = 0.7;                           % 设定训练集占数据集的比例（70%训练集，30%测试集）
res = res(randperm(num_res), :);          % 随机打乱数据集顺序，以避免数据排序带来的偏差（如果不希望打乱可注释该行）
flag_conusion = 1;                        % 设置标志位为1，表示需要绘制混淆矩阵（要求MATLAB 2018及以上版本）

%% 设置变量存储数据
P_train = []; P_test = [];    % 初始化训练集和测试集的输入数据矩阵
T_train = []; T_test = [];    % 初始化训练集和测试集的输出数据矩阵

%% 划分数据集
for i = 1 : num_class
    mid_res = res((res(:, end) == i), :);           % 提取当前类别的所有样本
    mid_size = size(mid_res, 1);                    % 计算当前类别的样本数
    mid_tiran = round(num_size * mid_size);         % 计算当前类别训练样本的数量（四舍五入）

    % 划分训练集输入和输出
    P_train = [P_train; mid_res(1: mid_tiran, 1: end - 1)];       % 将当前类别的训练集输入添加到P_train
    T_train = [T_train; mid_res(1: mid_tiran, end)];              % 将当前类别的训练集输出添加到T_train

    % 划分测试集输入和输出
    P_test  = [P_test; mid_res(mid_tiran + 1: end, 1: end - 1)];  % 将当前类别的测试集输入添加到P_test
    T_test  = [T_test; mid_res(mid_tiran + 1: end, end)];         % 将当前类别的测试集输出添加到T_test
end

%% 数据转置
P_train = P_train';  % 转置训练集输入，使每列为一个样本
P_test = P_test';    % 转置测试集输入
T_train = T_train';  % 转置训练集输出
T_test = T_test';    % 转置测试集输出

%% 得到训练集和测试样本个数
M = size(P_train, 2);  % 训练集样本数
N = size(P_test , 2);  % 测试集样本数

%% 数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);          % 对训练集输入进行归一化，范围[0,1]
p_test = mapminmax('apply', P_test, ps_input );         % 使用训练集的归一化参数对测试集输入进行归一化
t_train = T_train;                                      % 保持训练集输出不变
t_test  = T_test ;                                      % 保持测试集输出不变

%% 转置以适应模型
p_train = p_train'; p_test = p_test';                   % 转置输入数据，使每列为一个样本
t_train = t_train'; t_test = t_test';                   % 转置输出数据，使每列为一个样本

%% 创建模型
c = 10.0;      % 设置惩罚因子C，控制分类错误的惩罚程度
g = 0.01;      % 设置RBF核函数的γ参数，控制核函数的宽度
cmd = ['-t 2', '-c ', num2str(c), ' -g ', num2str(g)];  % 构建SVM训练命令参数
model = svmtrain(t_train, p_train, cmd);  % 使用svmtrain函数训练SVM模型，-t 2表示使用RBF核

%% 仿真测试
T_sim1 = svmpredict(t_train, p_train, model);  % 使用训练集数据进行预测，得到训练集的预测结果
T_sim2 = svmpredict(t_test , p_test , model);  % 使用测试集数据进行预测，得到测试集的预测结果

%% 性能评价
error1 = sum((T_sim1' == T_train)) / M * 100 ;  % 计算训练集的分类准确率（百分比）
error2 = sum((T_sim2' == T_test )) / N * 100 ;  % 计算测试集的分类准确率（百分比）

%% 数据排序
[T_train, index_1] = sort(T_train);     % 对训练集真实标签进行排序，获取排序索引
[T_test , index_2] = sort(T_test );     % 对测试集真实标签进行排序，获取排序索引

T_sim1 = T_sim1(index_1);                % 按排序索引调整训练集预测结果
T_sim2 = T_sim2(index_2);                % 按排序索引调整测试集预测结果

%% 绘图
% 绘制训练集预测结果对比图
figure
plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1) % 绘制真实值与预测值对比曲线
legend('真实值', '预测值')                                        % 添加图例
xlabel('预测样本')                                                % 设置X轴标签
ylabel('预测结果')                                                % 设置Y轴标签
string = {'训练集预测结果对比'; ['准确率=' num2str(error1) '%']};  % 创建标题字符串
title(string)                                                    % 添加图形标题
grid                                                             % 显示网格

% 绘制测试集预测结果对比图
figure
plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1) % 绘制真实值与预测值对比曲线
legend('真实值', '预测值')                                        % 添加图例
xlabel('预测样本')                                                % 设置X轴标签
ylabel('预测结果')                                                % 设置Y轴标签
string = {'测试集预测结果对比'; ['准确率=' num2str(error2) '%']};   % 创建标题字符串
title(string)                                                    % 添加图形标题
grid                                                             % 显示网格

%% 混淆矩阵
if flag_conusion
    % 绘制训练集混淆矩阵
    figure
    cm = confusionchart(T_train, T_sim1);  % 创建训练集的混淆矩阵图
    cm.Title = '训练集混淆矩阵';               % 设置混淆矩阵标题
    cm.ColumnSummary = 'column-normalized';      % 设置列摘要为归一化
    cm.RowSummary = 'row-normalized';            % 设置行摘要为归一化
        
    % 绘制测试集混淆矩阵
    figure
    cm = confusionchart(T_test, T_sim2);    % 创建测试集的混淆矩阵图
    cm.Title = '测试集混淆矩阵';               % 设置混淆矩阵标题
    cm.ColumnSummary = 'column-normalized';      % 设置列摘要为归一化
    cm.RowSummary = 'row-normalized';            % 设置行摘要为归一化
end

代码说明

1. 初始化：

   • 清理环境：通过clear清除工作区变量，close all关闭所有图形窗口，clc清空命令行窗口，warning off关闭警告信息，确保代码运行环境的干净和无干扰。

2. 导入数据：

   • 读取数据：使用xlsread函数从Excel文件数据集.xlsx中读取数据。假设数据集的最后一列为类别标签，其他列为特征。

3. 数据分析：

   • 类别数：通过unique函数计算数据集中不同类别的数量。
   • 样本数：通过size函数获取数据集的行数，即样本总数。
   • 训练集比例：设定训练集占数据集的比例为70%。
   • 数据打乱：使用randperm函数随机打乱数据集的顺序，以避免数据排序带来的偏差。如果不希望打乱数据集，可以注释掉该行代码。
   • 训练集样本数：通过round(num_size * num_samples)计算训练集的样本数量。
   • 特征维度：通过size(res, 2) - outdim计算输入特征的维度（总列数减去输出维度）。

4. 划分训练集和测试集：

   • 训练集输入：提取前num_train_s个样本的输入特征，并进行转置，使每列为一个样本。
   • 训练集输出：提取前num_train_s个样本的输出（类别标签），并进行转置。
   • 测试集输入：提取剩余样本的输入特征，并进行转置。
   • 测试集输出：提取剩余样本的输出（类别标签），并进行转置。
   • 样本数量：通过size函数获取训练集和测试集的样本数量，分别赋值给M和N。

5. 数据归一化：

   • 训练集归一化：使用mapminmax函数将训练集输入数据缩放到[0,1]的范围内，并保存归一化参数ps_input。
   • 测试集归一化：使用mapminmax('apply', P_test, ps_input)，应用训练集的归一化参数对测试集输入数据进行同样的归一化处理，确保训练集和测试集的数据尺度一致。
   • 输出数据保持不变：将训练集和测试集的输出数据保持不变，适应分类任务。

6. 转置以适应模型：

   • 转置输入数据：将训练集和测试集的输入数据进行转置，使每列为一个样本，符合MATLAB模型输入要求。
   • 转置输出数据：将训练集和测试集的输出数据进行转置，使每列为一个样本。

7. 创建模型：

   • 设置SVM参数：
     • c = 10.0：设定惩罚因子C，控制分类错误的惩罚程度。较大的C值会减少分类错误，但可能导致过拟合。
     • g = 0.01：设定RBF核函数的γ参数，控制核函数的宽度。较大的γ值会使RBF核更局部，较小的γ值则使RBF核更全局。
   • 构建SVM训练命令：通过cmd字符串构建SVM训练的命令参数，-t 2表示使用RBF核，-c和-g分别设定惩罚因子和γ参数。
   • 训练SVM模型：使用svmtrain函数训练SVM模型，传入训练集的输出和输入数据，以及设定的命令参数。

8. 仿真测试：

   • 训练集预测：使用训练集数据对训练好的SVM模型进行预测，得到训练集的预测结果T_sim1。
   • 测试集预测：使用测试集数据对训练好的SVM模型进行预测，得到测试集的预测结果T_sim2。

9. 性能评价：

   • 计算训练集准确率：通过比较训练集的预测结果与真实标签，计算分类准确率error1（百分比）。
   • 计算测试集准确率：通过比较测试集的预测结果与真实标签，计算分类准确率error2（百分比）。

10. 数据排序：

    • 排序训练集标签：使用sort函数对训练集的真实标签进行排序，并获取排序索引index_1。
    • 排序测试集标签：使用sort函数对测试集的真实标签进行排序，并获取排序索引index_2。
    • 调整预测结果顺序：根据排序索引调整训练集和测试集的预测结果顺序，确保绘图时的对齐。

11. 绘图：

    • 训练集预测结果对比图：
      • 绘制对比曲线：使用plot函数绘制训练集的真实值与预测值对比图，红色星号表示真实值，蓝色圆圈表示预测值。
      • 图形设置：添加图例、坐标轴标签、标题和网格，提升图形的可读性。
    • 测试集预测结果对比图：
      • 绘制对比曲线：使用plot函数绘制测试集的真实值与预测值对比图，红色星号表示真实值，蓝色圆圈表示预测值。
      • 图形设置：添加图例、坐标轴标签、标题和网格，提升图形的可读性。

12. 混淆矩阵：

    • 训练集混淆矩阵：
      • 创建混淆矩阵图：使用confusionchart函数生成训练集的混淆矩阵图。
      • 图形设置：设置混淆矩阵的标题和摘要选项（列和行均归一化），便于分析分类性能。
    • 测试集混淆矩阵：
      • 创建混淆矩阵图：使用confusionchart函数生成测试集的混淆矩阵图。
      • 图形设置：设置混淆矩阵的标题和摘要选项（列和行均归一化），便于分析分类性能。

代码使用注意事项

1. 数据集格式：

   • 类别标签：确保数据集.xlsx的最后一列为类别标签，且类别标签为整数编码（如1, 2, 3等）。
   • 特征类型：数据集的其他列应为数值型特征，适合进行归一化处理。如果特征包含类别变量，需先进行编码转换。

2. 参数调整：

   • 惩罚因子（C）：惩罚因子C控制分类错误的惩罚程度。较大的C值会使模型更严格地分类训练数据，可能导致过拟合；较小的C值则允许更多的分类错误，可能导致欠拟合。根据数据集的复杂度和噪声水平调整C值。
   • 核函数参数（γ）：γ参数控制RBF核函数的宽度。较大的γ值会使RBF核更局部化，适用于数据分布较为密集的情况；较小的γ值会使RBF核更全局化，适用于数据分布较为分散的情况。根据数据分布调整γ值。
   • 训练集比例：默认设置为70%训练集，30%测试集。根据数据集大小和任务需求调整训练集比例，以确保训练集具有足够的代表性。

3. 环境要求：

   • MATLAB版本：确保使用的MATLAB版本支持svmtrain和svmpredict函数。svmtrain和svmpredict属于LIBSVM工具箱，需要安装相关工具箱或使用MATLAB内置的SVM函数（如fitcsvm和predict）进行替代。
   • 工具箱：需要安装统计和机器学习工具箱（Statistics and Machine Learning Toolbox），以支持SVM相关函数。

4. 性能优化：

   • 数据预处理：除了归一化处理，还可以考虑主成分分析（PCA）等降维方法，减少特征数量，提升模型训练效率。
   • 特征选择：通过特征重要性分析，选择对分类任务贡献较大的特征，剔除冗余或噪声特征，提升模型性能。
   • 交叉验证：采用交叉验证方法评估模型的泛化能力，避免因数据划分偶然性导致的性能波动。
   • 参数调优：使用网格搜索（Grid Search）或随机搜索（Random Search）等方法优化SVM的参数（C和γ），以获得最佳性能。

5. 结果验证：

   • 交叉验证：采用k折交叉验证方法评估模型的稳定性和泛化能力，尤其在数据集较小的情况下。
   • 多次运行：由于SVM具有随机性（尤其在数据打乱的情况下），建议多次运行模型，取平均性能指标，以获得更稳定的评估结果。
   • 模型对比：将SVM分类模型与其他分类模型（如BP神经网络、随机森林等）进行对比，评估不同模型在相同数据集上的表现差异。

6. 混淆矩阵分析：

   • 理解分类性能：通过混淆矩阵，了解模型在不同类别上的分类表现，识别容易混淆的类别。
   • 调整模型：根据混淆矩阵的分析结果，进一步调整模型参数或进行数据预处理，以提升模型的整体性能。

7. 代码适应性：

   • MATLAB函数更新：在较新的MATLAB版本中，svmtrain和svmpredict函数可能被fitcsvm和predict函数替代。根据实际使用的MATLAB版本，调整代码以使用最新的函数接口。
   • 兼容性检查：确保代码中使用的函数和参数在当前MATLAB版本中是可用和兼容的。

通过理解和应用上述SVM分类模型，初学者可以有效地处理各种分类任务，并深入掌握支持向量机的工作原理和应用方法。不断调整和优化模型参数，结合实际应用场景，能够进一步提升模型的实用价值和应用效果。