采样到分类预测的整个流程
2010-04-08 13:41
169 查看
在matlab环境下:
1. 采样。函数sample
2. 加上类标,计算特征值。函数SVMdata
3. 生成训练集、测试集。函数sepjoin
4. 转换成libSVM要求的格式。函数write4libsvm
为了方便修改,上述4步可以集中存放在WholeFlow.m中:
[sampled_no,sampled_with] = sample (packetprocess_no,packetprocess_with,300,320,sw,si);
SVM_no = SVMdata(sampled_no,no,0);
SVM_with = SVMdata(sampled_with,no,1);
[train,test] = sepjoin(SVM_no,SVM_with,200,100);
write4libsvm(train);
write4libsvm(test);
在libSVM环境下:
5. 数据预处理,通过svm-scale命令将训练集和测试集进行适当缩放
6. 通过训练集得到预测模型
7. 通过预测模型进行分类预测
同样的为了方便修改,可以将上述3步写成批处理文件svm.bat:
svm-scale -r range1 train > train.scale
svm-scale -r range1 test > test.scale
svm-train train.scale
svm-predict test.scale train.scale.model test.predict
下一步工作:按照上述流程,得到不同采样窗口下的预测准确率;在matlab环境下完成计算检测率和误检率的程序。
1. 采样。函数sample
2. 加上类标,计算特征值。函数SVMdata
3. 生成训练集、测试集。函数sepjoin
4. 转换成libSVM要求的格式。函数write4libsvm
为了方便修改,上述4步可以集中存放在WholeFlow.m中:
[sampled_no,sampled_with] = sample (packetprocess_no,packetprocess_with,300,320,sw,si);
SVM_no = SVMdata(sampled_no,no,0);
SVM_with = SVMdata(sampled_with,no,1);
[train,test] = sepjoin(SVM_no,SVM_with,200,100);
write4libsvm(train);
write4libsvm(test);
在libSVM环境下:
5. 数据预处理,通过svm-scale命令将训练集和测试集进行适当缩放
6. 通过训练集得到预测模型
7. 通过预测模型进行分类预测
同样的为了方便修改,可以将上述3步写成批处理文件svm.bat:
svm-scale -r range1 train > train.scale
svm-scale -r range1 test > test.scale
svm-train train.scale
svm-predict test.scale train.scale.model test.predict
下一步工作:按照上述流程,得到不同采样窗口下的预测准确率;在matlab环境下完成计算检测率和误检率的程序。
相关文章推荐
- 简易电老鼠整个流程
- caffe 利用Python API做分类预测,以及特征的可视化
- 软件开发过程学习笔记(一)之软件开发流程 分类: 开发过程 2015-07-08 12:43 9人阅读 评论(0) 收藏
- GBDT决策树集成学习残差预测和分类
- 决策树分类和预测算法的原理及实现
- 基于GLC的地表覆盖分类技术流程
- 自定义View的分类和流程
- 决策树分类和预测算法的原理及实现
- 自定义View(三)---自定义View整个流程的梳理与总结
- 分类算法的常规流程?
- 分类问题处理整体正规流程
- 图像分类基本流程及 KNN 分类器
- 数据挖掘笔记:分类和预测,判定树
- 做网站整个流程
- android google 分屏 多窗口 按home键界面错乱故障分析(一)分屏的整个流程分析
- 针对DRA75x of TI UBOOT(2013-04) 全面解析整个流程
- 1.1数据驱动的图像分类流程
- Android CTS(兼容性测试)整个流程
- 以性别预测为例,谈谈数据挖掘中的分类问题