matlab - MATLAB 中的 SVM 可视化

Question

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);

Answer 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');

Answer 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 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东西。但是，具有高维数的数据不太可能在 2D 中轻松可视化。

Answer 3

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

Answer 4

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