ejemplo de base de datos uci
Hay tres archivos en ucidata\iris:
Index
iris.data p>
iris.name
Índice es el directorio de la carpeta, que enumera todos los archivos de la carpeta. Por ejemplo, el contenido del índice en iris es el siguiente:
Índice de iris
18 de marzo de 1996 105 índice
Marzo de 2008 1993 4551 iris.data p >
30 de mayo de 1989 2604 Iris
Iris.data es un archivo de datos de Iris que contiene el siguiente contenido:
Iris 5.1.3.5, 1.4, 0.2
4.9, 3.0, 1.4, 0.2, iris
4.7, 3.2, 1.3, 0.2, iris
……
7.0, 3.2, 4.7, 1.4, iridiscente
6.9, 3.1, 4.9, 1.5, iris-variado
……
6.3, 3.3, 6.0, 2.5, iris-playa Iris
6.4, 3.2, 4.5, 1.5, Iris - Abigarrado
5.8, 2.7, 5.1.1.9, Iris - Iris costero
7.1, 3.0, 5.9, 2.1
...
Como arriba, los atributos están separados por comas sin espacios (5.1, 3.5, 1.4, 0.2). La última columna es el valor correspondiente al. atributo de la fila, es decir, el atributo de decisión Iris-setosa.
Iris.names introduce información relevante de los datos de irir, como el título de los datos, la fuente de los datos, el uso anterior, la información reciente, el número de instancia, los atributos de la instancia, etc. , como se muestra en la siguiente figura:
......
7. Información del atributo:
1 Longitud del sépalo, en centímetros
2 .Ancho del sépalo en centímetros
3. Largo del pétalo (cm)
4. Ancho del pétalo (cm)
5. /p>
-Iris
-Decoloración del iris
-Seaside Iris
......
9. Distribución de clases: 3 clases cada una Contabilizado 33,3.
Consulte otros documentos o versiones posteriores de este sitio web para ver ejemplos del uso de estos datos.
Tomamos los datos de Wine como ejemplo para importarlos a Matlab y usar el libsvm mencionado anteriormente para realizar pruebas.
gt gtuiimport('wine.data ')
Importe los datos y la matriz de vinos 178*14 aparecerá en el espacio de trabajo.
Extraiga etiquetas y atributos de datos en la plataforma matlab y guárdelos en los datos.
gt gtwine_label = vino(:, 1);
gt gtwine_data = vino(:, 2: fin);
gt gtSave winedat.mat
p>(Puedes usar directamente >gt para cargar Wine la próxima vez
Modelo de entrenamiento Svm para obtener el modelo Wine.
gt gtmodelw = svmtrain(wine_data, wine_label );
*
Optimización completa, #iter = 239
nu = 0,892184
obj = -61,125695, rho = 0,131965
nSV = 130, nBSV = 53
.
*
Optimización completada, #iter = 193
nu = 0.882853
obj = -50.421538, rho = -0.166754
nSV = 107, nBSV = 42
. *
Optimización completada, #iter = 214
nu = 0.800233
obj = -53.411663, rho = -0.286931
nSV = 119, nBSV = 44
NSV total = 178
Resultados de clasificación
gt gt[plabelw, precision w]= SVM predict(wine_label,wine_data, modelw) ;
Precisión = 100(178/178)(clasificación)