参考:介绍支持向量机和其他基于学习方法Nello C万博1manbetxristianini和约翰Shawe-Taylor]
在这个演示:培训或交叉验证的支持向量机(SVM)模型的两级(二进制)在低维数据集分类。万博1manbetx

训练算法只依赖于数据通过H点产品,即函数的形式Φ(x_i)·Φ(x_j)。s manbetx 845现在如果有一个这样的“核函数”K
K (x_i x_j) =Φ(x_i)·Φ(x_j),
我们只需要使用K的训练算法,甚至永远不会需要显式地知道Φ是什么。一个例子是高斯径向基函数(RBF)或内核,H是无限维的,所以它不会很容易处理Φ明确。

训练模型需要的选择:
•内核函数,决定表面的形状决定
•在核函数参数(如:高斯内核:方差的高斯多项式内核:多项式的次数)
•正则化参数λ。

相关例子:
1。演算法
https://in.mathworks.com/matlabcentral/fileexchange/63156-adaboost

2。支持向量机使用各种内核
https://in.mathworks.com/matlabcentral/fileexchange/63033-svm-using-various-kernels

3所示。支持向量机的非线性分类
https://in.mathworks.com/matlabcentral/fileexchange/63024-svm-for-nonlinear-classification

4所示。SMO
https://in.mathworks.com/matlabcentral/fileexchange/63100-smo--sequential-minimal-optimization- - - - - -