分類預(yù)測(cè) | MATLAB實(shí)現(xiàn)MIV-SVM的平均影響值MIV算法結(jié)合支持向量機(jī)分類預(yù)測(cè)
分類效果
基本介紹
先利用平均影響值MIV算法對(duì)特征進(jìn)行排序，確定分類特征變量做特征重要性排序，實(shí)現(xiàn)特征選擇。
最終MIV結(jié)合SVM做分類建模，輸出有分類對(duì)比圖和混淆矩陣圖。
通過重要性排序圖，選擇重要的特征變量，以期實(shí)現(xiàn)數(shù)據(jù)降維的目的。程序直接替換數(shù)據(jù)就可以用，程序內(nèi)有注釋，方便學(xué)習(xí)和使用。程序語言為matlab。文章來源：http://www.zghlxwxcb.cn/news/detail-669812.html
程序設(shè)計(jì)
- 完整源碼和數(shù)據(jù)獲取方式： 私信回復(fù)MATLAB實(shí)現(xiàn)MIV-SVM的平均影響值MIV算法結(jié)合支持向量機(jī)分類預(yù)測(cè)。
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
clc
clear all
figure
plot( preY,'o','Color','linewidth',2)
hold on
plot(true_label,'-+','Color',[0 0 0]./255,'linewidth',2)
legend('預(yù)測(cè)值','真實(shí)值')
xlabel('預(yù)測(cè)樣本')
ylabel('預(yù)測(cè)結(jié)果')
string = {'測(cè)試集預(yù)測(cè)結(jié)果對(duì)比'; ['準(zhǔn)確率=' num2str(acc*100) '%']};
title(string)
grid
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
參考資料
[1] https://blog.csdn.net/kjm13182345320/article/details/116071412
[2] https://blog.csdn.net/kjm13182345320?spm=1010.2135.3001.5343文章來源地址http://www.zghlxwxcb.cn/news/detail-669812.html
到了這里，關(guān)于分類預(yù)測(cè) | MATLAB實(shí)現(xiàn)MIV-SVM的平均影響值MIV算法結(jié)合支持向量機(jī)分類預(yù)測(cè)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
