然後是**：`
%untitled2 此處顯示有關此函式的摘要
% input:
% data: num-by-dim matrix .mun is
thenumber
of data points,
% dim is
thethe dimension of a point
% labels: num-by-1 vector, specifying the
class
that each point belongs
% to +1
or -1
% output:
% w: dim-by -1 vector ,the mormal dimension of hyperpalne
% b: a scalar, the bias
[num,dim]=size(data);
cvx_begin
variables w(dim) b;
minimize (norm(w));
subject to
labels.*(data*w+b)>=1;
cvx_end
end然後隨便隨機生成了10個2維樣本，執行結果如下：
線性不可分的時候，通過引入罰函式（penalty function）來解決，使得分類誤差最小。公式如下：
minw,b
,ξi1
2∥w∥
22+c
∑i=1
lξi
s.t.
yi(w
txi+
b)≥1
−ξi,
i=1,
...,
l ξi
≥0,i
=1,.
..,l
**依然很簡單：
%untitled2 此處顯示有關此函式的摘要
% input:
% data: num-by-dim matrix .mun is
thenumber
of data points,
% dim is
thethe dimension of a point
% labels: num-by-1 vector, specifying the
class
that each point belongs
% to +1
or -1
% output:
% w: dim-by -1 vector ,the mormal dimension of hyperpalne
% b: a scalar, the bias
[num,dim]=size(data);
cvx_begin
variables w(dim) b，xi(num);
minimize (sum(w.^2)/2+c * sum(xi.^2));
subject to
labels.* (data * w+b)>=1-xi;
xi>=0;
cvx_end
end是不是很簡單？例子以後再給吧。（公式亂碼，請嘗試其它瀏覽器）
未完待續，
SVM線性分類MATLAB實現
資料集需要自行處理，這裡針對的是cancer資料集 clear ticload c users administrator desktop cancer.mat mu cancer 1 444,zi cancer 445 end,整理資料，第一列 1,2 作為標籤 cycle n 1 進行cycle...
matlab 在cvx中使用Mosek
在cvx中預設的solver是sdt3，解決一般的問題沒有問題，但是發現涉及到高維向量 e.p.求解1000 維向量 的求解時，會很慢，所以嘗試換乙個solver，以改善效能。目前嘗試了mosek，感覺是比sdt3快點的。搞了乙個晚上，總結一下。因為非professional版本的cvx不包含mos...
SVM輸出分類概率的matlab實現
說明 1 資料的標籤在最後一列 2 tr 訓練資料，te 測試資料 3 svm的引數說明 s svm型別 svm設定型別 預設0 0 c svc 1 v svc 2 一類svm 3 e svr 4 v svr t 核函式型別 核函式設定型別 預設2 0 線性核函式 u v 1 多項式核函式 ru v...