LIBSVM使用方法.pdfVIP

LIBSVM 1 LIBSVM 简介 LIBSVM 是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使 用和快速有效的 SVM 模式识别与回归的软件包，他不但提供了编译好的可在 Windows 系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用； 该软件还有一个特点，就是对 SVM 所涉及的参数调节相对比较少，提供了很多的默 认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross -SVM 回 归等问题，包括基于一对一算法的多类模式识别问题。SVM 用于模式识别或回归时， SVM 方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模式， 也就是说最优 SVM 算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者 利用软件包提供的交互检验功能进行寻优。ν-SVM 回归和ε-SVM 分类、νValidation) 的功能。该软件包可以在 .tw/~cjlin/ 免费获得。该软件可以解决 C-SVM 分类、-SVM 回归等问题，包括基于一对一算法的多类模式识别问题。SVM 用于模式识 别或回归时，SVM 方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模 式，也就是说最优 SVM 算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件 包提供的交互检验功能进行寻优。 2 LIBSVM 使用方法 LibSVM 是以源代码和可执行文件两种方式给出的。如果是 Windows 系列操作系 统，可以直接使用软件包提供的程序，也可以进行修改编译；如果是 Unix 类系统，必 须自己编译，软件包中提供了编译格式文件，我们在 SGI 工作站(操作系统 IRIX6.5) 上，使用免费编译器 GNU C++3.3 编译通过。 2.1 LIBSVM 使用的一般步骤： 1) 按照 LIBSVM 软件包所要求的格式准备数据集； 2) 对数据进行简单的缩放操作； 3) 考虑选用 RBF 核函数； 4) 采用交叉验证选择最佳参数 C 与 g ； 5) 采用最佳参数 C 与 g 对整个训练集进行训练获取支持向量机模型； 6) 利用获取的模型进行测试与预测。 2.2 LIBSVM 使用的数据格式 该软件使用的训练数据和检验数据文件格式如下： label index1:value1 index2:value2 ... 其中label 是训练数据集的目标值，对于分类，它是标识某类的整数(支持多个 类) ；对于回归，是任意实数。index 是以 1 开始的整数，可以是不连续的；value 为实数，也就是我们常说的自变量。检验数据文件中的 label 只用于计算准确度或误差， 如果它是未知的，只需用一个数填写这一栏，也可以空着不填。在程序包中，还包括 有一个训练数据实例：heart_scale ，方便参考数据文件格式以及练习使用软件。可以编 写小程序，将自己常用的数据格式转换成这种格式。 2.3 Svmtrain 和 Svmpredict 的用法 Svmtrain(训练建模) 的用法： svmtrain [options] training_set_file [model_file] Options ：可用的选项即表示的涵义如下 -s svm 类型：SVM 设置类型(默认 0) 0 -- C-SVC 1 --v-SVC 2 – 一类 SVM 3 -- e -SVR 4 -- v-SVR -t 核函数类型：核函数设置类型(默认 2) 0 – 线性：uv 1 – 多项式：(r*uv + coef0)^degree 2 – RBF 函数：exp(-r|u-v|^2) 3 –sigmoid ：tanh(r*uv + coef0) -d degree ：核函数中的 degree 设置(默认 3) -g r(gama) ：核函数中的? 函数设置(默认 1/ k) -r coef0 ：核函数中的 coef0 设置(默认 0) -c cost ：设置 C-SVC ，? -SVR 和?-SVR 的参数(默认 1) -n nu ：设置?-SVC ，一类 SVM 和?- SVR 的参数(默认 0.5) -p e ：设置? -SVR 中损失函数? 的