libsvm matlab使用总结

就不重复造轮子，挑个感触比较深的，详细见参考链接

按照支持向量机使用超平面分类的原理，不平衡数据不会对超平面造成影响，但不平衡样本数据会对惩罚项产生影响。因此，在使用非平衡数据时可以使用LibSVM的-w选项平衡惩罚系数。 还有一种方式：选择另一种精度评估函数（LibSVM中使用测试样本中正确分类的样本数与总测试样本数的比值作为分类精度结果），详细参考LibSVM源码目录下的FAQ.html. 所以有人提出QP（二次优化）的目标函数应该为：

  LibSVM中允许用户指定权重值C+和-C-

model = svmtrain(train_label,train_feature,'-w1 1.2 -w-1 0.5 -h 0 ');   -w1表示C+-w-1表示C-

参考链接

1.http://www.cnblogs.com/zhangchaoyang/articles/2189606.html

2.http://blog.csdn.net/taohuaxinmu123/article/details/20443177

3.http://www.blogbus.com/shijuanfeng-logs/100675170.html

4.http://ju.outofmemory.cn/entry/119152