十折交叉验证SVM分类器Matlab代码

clear;clc; X=xlsread('book44'); [m n]=size(X); [B,cmaker]=xlsread('book33'); ind=crossvalind('Kfold',m,10); %采用十折交叉验证法 for i=1:10 test=(ind==i); train=~test; X_tr=X(train,:); X_te=X(test,:); Y_tr=cmaker(train,1); Y_te=cmaker(test,1); [gindex,groups] = grp2idx(Y_tr); option=statset('MaxIter',80000); s=svmtrain(X_tr,gindex,'Method','SMO', 'Kernel_Function','quadratic','options',option) ;%训练支持向量机分类器；SMO代表%使用序列最小化方法训练支持向量机的分类器；polynomial代表多项式核函数 sv_index=s.SupportVectorIndices ; %返回支持向量的标号 beta=s.Alpha; %返回分类函数的权系数 bb=s.Bias; %返回分类函数的常数项 mean_and_std_trans=s.ScaleData; %第1行返回的是已知样本点均值向量的相反数，第2行返回的是标准差向量的倒数 check=svmclassify(s,X_tr); %验证已知样本点 err_rate(1,i)=1-sum(gindex==check)/length(gindex) ;%计算已知样本点的错判率 end AvgCorrectRate=1-mean(err_rate); %计算争取率平均值 fprintf('cp.ErrorRate = %f\n',AvgCorrectRate); % test=xlsread('x_test'); % solution=svmclassify(s,test) %对待判样本点进行分类