www.gusucode.com > 层次分析法(matlab+lingo源代码) > 层次分析法(matlab+lingo源代码)/插值与拟合(matlab+lingo源代码)/anli9_1.m
%原始数据cancerdata.txt可在网上下载,数据中的B替换成1,M替换成-1,X替换成2,删除了分割符*,替换后的数据命名成cancerdata2.txt clc,clear a=load('cancerdata2.txt'); a(:,1)=[]; %删除第一列病例号 gind=find(a(:,1)==1); %读出良性肿瘤的序号 bind=find(a(:,1)==-1); %读出恶性肿瘤的序号 training0=a([1:500],[2:end]); %提出已知样本点的数据 training=training0'; [train,ps]=mapstd(training); %已分类数据标准化 group(gind)=1; group(bind)=-1; %已知样本点的类别标号 group=group'; %转换成列向量 xa0=a([501:569],[2:end]); %提出待分类数据 xa=xa0'; xa=mapstd('apply',xa,ps); %待分类数据标准化 s=svmtrain(training',group, 'Method','SMO', 'Kernel_Function','quadratic') %使用序列最小化方法训练支持向量机的分类器,如果使用二次规划的方法训练支持向量机则无法求解 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 b=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,training'); %验证已知样本点 err_rate=1-sum(group==check)/length(group) %计算错判率 solution=svmclassify(s,xa'); %进行待判样本点分类 solution=solution' sg=find(solution==1) %求待判样本点中的良性编号 sb=find(solution==-1) %求待判样本点中的恶性编号