%%?SVM神經網絡中的參數優化---如何更好的提升分類器的性能?
%
%?
%?			該案例作者申明：				1：本人長期駐扎在此板塊里，對該案例提問，做到有問必答。	2：此案例有配套的教學視頻，配套的完整可運行Matlab程序。						3：以下內容為該案例的部分內容（約占該案例完整內容的1/10）。							4：此案例為原創案例，轉載請注明出處（Matlab中文論壇，《Matlab神經網絡30個案例分析》）。							5：若此案例碰巧與您的研究有關聯，我們歡迎您提意見，要求等，我們考慮后可以加在案例里。							6：您看到的以下內容為初稿，書籍的實際內容可能有少許出入，以書籍實際發行內容為準。					7：此書其他常見問題、預定方式等，請點擊這里。	
%?
%

%%?清空環境變量
function?chapter13_GridSearch
close?all;
clear;
clc;
format?compact;
%%?數據提取

%?載入測試數據wine其中包含的數據為classnumber?=?3wine:178*13的矩陣wine_labes:178*1的列向量
load?chapter13_wine.mat;

%?畫出測試數據的box可視化圖
figure;
boxplot（wine‘orientation‘‘horizontal‘‘labels‘categories）;
title（‘wine數據的box可視化圖‘‘FontSize‘12）;
xlabel（‘屬性值‘‘FontSize‘12）;
grid?on;

%?畫出測試數據的分維可視化圖
figure
subplot（351）;
hold?on
for?run?=?1:178
????plot（runwine_labels（run）‘*‘）;
end
xlabel（‘樣本‘‘FontSize‘10）;
ylabel（‘類別標簽‘‘FontSize‘10）;
title（‘class‘‘FontSize‘10）;
for?run?=?2:14
????subplot（35run）;
????hold?on;
????str?=?[‘attrib?‘num2str（run-1）];
????for?i?=?1:178
????????plot（iwine（irun-1）‘*‘）;
????end
????xlabel（‘樣本‘‘FontSize‘10）;
????ylabel（‘屬性值‘‘FontSize‘10）;
????title（str‘FontSize‘10）;
end

%?選定訓練集和測試集

%?將第一類的1-30第二類的60-95第三類的131-153做為訓練集
train_wine?=?[wine（1:30:）;wine（60:95:）;wine（131:153:）];
%?相應的訓練集的標簽也要分離出來
train_wine_labels?=?[wine_labels（1:30）;wine_labels（60:95）;wine_labels（131:153）];
%?將第一類的31-59第二類的96-130第三類的154-178做為測試集
test_wine?=?[wine（31:59:）;wine（96:130:）;wine（154:178:）];
%?相應的測試集的標簽也要分離出來
test_wine_labels?=?[wine_labels（31:59）;wine_labels（96:130）;wine_labels（154:178）];

%%?數據預處理
%?數據預處理將訓練集和測試集歸一化到[01]區間

[mtrainntrain]?=?size（train_wine）;
[mtestntest]?=?size（test_wine）;

dataset?=?[train_wine;test_wine];
%?mapminmax為MATLAB自帶的歸一化函數
[dataset_scaleps]?=?mapminmax（dataset‘01）;
dataset_scale?=?dataset_scale‘;

train_wine?=?dataset_scale（1:mtrain:）;
test_wine?=?dataset_scale（?（mtrain+1）:（mtrain+mtest）:?）;
%%?選擇最佳的SVM參數c&g

%?首先進行粗略選擇:?c&g?的變化范圍是?2^（-10）2^（-9）...2^（10）
[bestaccbestcbestg]?=?S