基于 MATLAB fitcsvm 的 OVR SVM 多分类器实现

最新推荐文章于 2025-06-02 18:39:57 发布

原创

最新推荐文章于 2025-06-02 18:39:57 发布 · 3.8k 阅读

33 ·

CC 4.0 BY-SA版权

本代码参考 MATLAB 官方例程，实现 SVM 多分类器（one-versus-rest）。对于未知标签的测试集，初始化中测试样本的标签，以及结果分析中的验证部分可忽略。

OVR SVM

一对多（one-versus-rest）模型的基本策略：训练时依次将某一类别的样本归为正样本集，其余类的样本归为负样本集；这样对于拥有 $n$ 种类型的样本集就可以构造出 $n$ 个二分类器。

一般取获得最高分数的分类器对应的正样本集，为当前测试样本的类；对于所有分类器输出负分数的情况，此时测试样本可能不属于任一分类器对应的正样本类；对于多个分类器输出正分数的情况，可以考虑进行多一步骤的判决。

clear;
close all;

%--------------------------------- 初始化 --------------------------------%
% X % 训练样本, 第一个维度为样本数, 第二个维度为特征数
% testX % 测试样本
% Y % 训练样本的标签; 字符向量元胞数组表示
% testY % 测试样本的标签

%----------------------------- 训练一对多分类器 ---------------------------%
classes = unique(Y); % 标签排序去重
SVMModels = cell(size(classes,1),1); % 储存分类器的元胞数组

for j = 1:numel(classes)
	% 通过字符串比较为分类器设置标签, 仅 classes{