【SVM分类预测】基于matlab粒子群算法优化支持向量机PSO-SVM数据分类预测【含Matlab源码 3624期】.zip

English: libsvm_options: -s svm_type : set type of SVM (default 0) 0 -- C-SVC 1 -- nu-SVC 2 -- one-class SVM 3 -- epsilon-SVR 4 -- nu-SVR -t kernel_type : set type of kernel function (default 2) 0 -- linear: u'*v 1 -- polynomial: (gamma*u'*v + coef0)^degree 2 -- radial basis function: exp(-gamma*|u-v|^2) 3 -- sigmoid: tanh(gamma*u'*v + coef0) 4 -- precomputed kernel (kernel values in training_instance_matrix) -d degree : set degree in kernel function (default 3) -g gamma : set gamma in kernel function (default 1/k) -r coef0 : set coef0 in kernel function (default 0) -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1) -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5) -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1) -m cachesize : set cache memory size in MB (default 100) -e epsilon : set tolerance of termination criterion (default 0.001) -h shrinking: whether to use the shrinking heuristics, 0 or 1 (default 1) -b probability_estimates: whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0) -wi weight: set the parameter C of class i to weight*C, for C-SVC (default 1) -v n: n-fold cross validation mode ========================================================== Chinese: Options：可用的选项即表示的涵义如下 　　-s svm类型：SVM设置类型(默认0) 　　0 -- C-SVC 　　1 --v-SVC 　　2 – 一类SVM 　　3 -- e -SVR 　　4 -- v-SVR 　　-t 核函数类型：核函数设置类型(默认2) 　　0 – 线性：u'v 　　1 – 多项式：(r*u'v + coef0)^degree 　　2 – RBF函数：exp(-r|u-v|^2) 　　3 –sigmoid：tanh(r*u'v + coef0) 　　-d degree：核函数中的degree设置(针对多项式核函数)(默认3) 　　-g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)(默认1/ k) 　　-r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0) 　　-c cost：设置C-SVC，e -SVR和v-SVR的参数(损失函数)(默认1) 　　-n nu：设置v-SVC，一类SVM和v- SVR的参数(默认0.5) 　　-p p：设置e -SVR 中损失函数p的值(默认0.1) 　　-m cachesize：设置cache内存大小，以MB为单位(默认40) 　　-e eps：设置允许的终止判据(默认0.001) 　　-h shrinking：是否使用启发式，0或1(默认1) 　　-wi weight：设置第几类的参数C为weight*C(C-SVC中的C)(默认1) 　　-v n: n-fold交互检验模式，n为fold的个数，必须大于等于2 　　其中-g选项中的k是指输入数据中的属性数。option -v 随机地将数据剖分为n部分并计算交互检验准确度和均方根误差。以上这些参数设置可以按照SVM的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。