libsvm在MATLAB中的SVM分类器使用指南‌

load(‘输入自己的数据’);%load('D:\zzmatlab\mymatlab\bin\transfer learning\teacherdata\data\567.mat');

%Xtrain、Xtest分别为训练数据和测试数据，大小都为数据个数*特征数

%Xtrain_label、Xtest_label分别为训练数据和测试数据标签，大小都为数据个数*1

[~,bestc,bestg] = SVMcgForClass_TL(Xtrain_label,Xtrain);%获取最优参数

cmd=['-t 2',' -g ' num2str(bestg), ' -c ' num2str(bestc) ' -b 1 ']; %' -b 1 '参数的意义是为了生成得到变量p，获取概率分数

model = libsvmtrain(Xtrain_label,Xtrain,cmd);  

[Ytt, acc, p] = libsvmpredict(Xtest_label,Xtest,model,' -b 1 ');

%Ytt测试数据类别预测结果，测试数据个数*1

%acc(1)为预测准确度

%p为测试数据的预测概率分数，即每个测试数据属于所有概率的可能性。大小为测试数据个数*类别数