matlab - 在 matlab 中使用多个数据集训练 svm

Question

我有多个数据集，它们是 xy 数据，每个数据集代表同一个类，我也有其他 2 个类的多个数据集。

我需要对合并的 xy 数据进行训练，还是需要为每个数据集调用训练函数，注意每个数据集是同一类？每个类类型都有多个数据集。

第 1 类有 150 个 xy 数据集，第 2 类有 68 个，第 3 类有 55 个。如何在 matlab 中训练支持向量机（SVM）？

标签： matlab

Answer 1

据我了解您的项目，您想在包含 3 个不同类的数据集上训练分类器。

通常，您希望使用您希望网络学习的类来标记您的数据，以便它可以在训练中检查它在“猜测”之后仍然偏离解决方案的程度，以便它可以优化下一次迭代的权重。

您还想将您的数据集拆分为一个训练集，用于学习，以及两个具有不同数据的部分，网络还不“知道”，并将提供一个很好的参考。这两个是一个验证集，用于在训练期间进行额外验证，另一个是测试集，用于在训练后测试准确性。

可以这样进行：

1. 在 4D Matrix 中累积训练数据A，其中第一个二维将是您的值，x第三y个维度将是 XY 矩阵的索引。您可以使用A = horzconcat(x,y)

2. 使用第 4 个维度根据您的班级标记您的数据。在您的情况下，在前 150 个元素中写 1，在后面的 68 中写 2，在最后 55 中写 3

3. 打乱您的标记数据集。您可以使用randperm创建一个随机索引，然后遍历集合

4. 将您的数据集拆分为训练、验证和测试部分。（通常60%、20%、20%是合理的）

5. 将这些集合分别拆分为一个包含训练数据的 3D X 矩阵和一个包含每个训练数据的解的 Y 向量。

6. 在您的训练选项中，使用您的验证部分指定您的验证数据，例如：

   training_options =  trainingOptions ...
                       ('sgdm', ...
                       'Verbose', 1 ,...
                       'VerboseFrequency' , 20, ...
                       'MaxEpochs', 30, ...
                       'MiniBatchSize', 128, ...
                       'Shuffle', 'every-epoch', ...
                       **'ValidationData', {X_validate, categorical(Y_validate)},...**
                       'ValidationFrequency', 20, ...
                       'ValidationPatience', 5, ...
                       'InitialLearnRate', 0.001, ...
                       'L2Regularization', 0, ...
                       'Momentum', 0, ...
                       'ExecutionEnvironment', 'cpu', ...
                       'Plots','training-progress');
   

7. 训练你的神经网络 Matlab 对象

   [nn, nn_info] = trainNetwork(X_train, categorical(Y_train), ...
                 layers, training_options);
   

8. 检索训练网络的准确性：

   acurracy = sum(Y_test_predictions == categorical(Y_test) )/ ...
          size(Y_test, 1)
   

我将这种方法应用于卷积网络，效果很好。希望这可以帮助，

一切顺利，西蒙