-parameters: 乙個5 x 1的矩陣，從上到下依次表示：
-s svm型別（預設0）；
-t 核函式型別（預設2）
-d 核函式中的degree設定(針對多項式核函式)(預設3)；
-g 核函式中的r(gamma）函式設定(針對多項式/rbf/sigmoid核函式) (預設類別數目的倒數)；
-r 核函式中的coef0設定(針對多項式/sigmoid核函式)((預設0)
-nr_class: 表示資料集中有多少類別，比如二分類時這個值即為2。
-totalsv: 表示支援向量的總數。
-rho: 決策函式wx+b中的常數項的相反數（-b）。
-label: 表示資料集中類別的標籤，比如二分類常見的1和-1。
-proba: 使用-b引數時用於概率估計的數值，否則為空。
-probb: 使用-b引數時用於概率估計的數值，否則為空。
-nsv: 表示每類樣本的支援向量的數目，和label的類別標籤對應。如label=[1; -1],nsv=[63; 67]，則標籤為1的樣本有63個支援向量，標籤為-1的有67個。
-sv_coef: 表示每個支援向量在決策函式中的係數。
-svs: 表示所有的支援向量，如果特徵是n維的，支援向量一共有m個，則為m x n的稀疏矩陣。
svmtrain返回值的引數解釋
parameters 5x1 double 結構體變數，依次儲存的是 s t d g r等引數 nr class 1025 分類的個數 totalsv 3015 總的支援向量個數 rho 5151x1 double b model.rho label 102x1 double proba probb...
svmtrain函式引數
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 u v 1 多項式 r u v coef0 degree 2 rbf函式 exp r u v 2 3 sigmoid tanh r...
SVMtrain的引數c和g的優化
在svm訓練過程中，需要對懲罰引數c和核函式的引數g進行優化，選取最好的引數 知道測試集標籤的情況下 是讓兩個引數c和g在某一範圍內取離散值，然後，取測試集分類準確率最佳的引數 不知道測試集標籤的情況下 start bestaccuracy 0 bestc 0 bestg 0 n1 n2 k都是事先...