libsvm初步探索.docVIP

libsvm初步探索 libsvm使用--初步探讨默认分类 2009-08-28 19:27:00 阅读295 评论1 字号：大中小 SVM是模式识别中常用的一种分类器，而libsvm又是目前大家一致认为的比较好用的工具。在这里，我要记录的是使用DOS命令，来build libsvm。(因为使用所给的c++程序，有人说需要配置参数，我的编程基础不好，我怕没有那么多时间)。(以windows系统为例) 首先，当然是下载libsvm.zip（适用于windows 系统）；libsvm.tar.gz（适用于Linux系统）。特别的，我在使用中发现，还应该下载python和gunplot这两个文件，解压，安装，这样就完美了。 然后，参考heart_scale文件的格式(用记事本打开，一个例子的特征存一行，并且使用\n作为结束符) 将windows文件夹和要处理的数据放在同一子目录下。 在命令提示符下：cmd 转换到上述windows所在的位置，注意对于windows路径要用:cd windows 最后，build libsvm。对于libsvm要求的数据时在范围[-1,1]或[0，1]中。 使用 SVM 的流程大概就是： You should have a sense that using libsvm is basically: 1. 准备数据并做成指定 格式 ( 有必要时需 svmscale) 如果你的数据不在svm识别的范围内，都要使用svmscale.exe 。 2. 用 svmtrain 来 train 成 model 3. 对新的输入，使用 svmpredict 来 predict 新数据 svmscale: 对数据集进行缩放的目的在于： 1）避免一些特征值范围过大而另一些特征值范围过小； 2）避免在训练时为了计算核函数而计算内积的时候引起数值计算的困难。因此，通常将数据缩放到[ -1,1]或者是[0,1]之间。 用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename （缺省值： lower = -1，upper = 1，没有对y进行缩放） 其中， -l：数据下限标记；lower：缩放后数据下限； -u：数据上限标记；upper：缩放后数据上限； -y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值； -s save_filename：表示将缩放的规则保存为文件save_filename； -r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放； filename：待缩放的数据文件（要求满足前面所述的格式）。 缩放规则文件可以用文本浏览器打开，看到其格式为： lower upper lval1 uval1 lval2 uval2 其中的lower 与upper 与使用时所设置的lower 与upper 含义相同；index 表 示特征序号；lval 为该特征对应转换后下限lower 的特征值；uval 为对应于转换后上限upper 的特征值。 数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的 文件重定向符号“”将结果另存为指定的文件。 使用实例： 1) svmscale –s scale datadata.scale 表示采用缺省值（即对属性值缩放到[ -1,1]的范围，对目标值不进行缩放）对数据集data进行缩放操作，缩放集的缩放结果保存为data.scale。 2） svmscale -l 0 -u 1–r scale data 表示将数据归一化到[0,1]范围内，并且数据归一化的结果在屏幕上输出。 svmtrain svmtrain 的语法大致就是 : svmtrain [options] training_set_file [model_file] training_set_file 就是之前的格式，而 model_file 如果不给就会 叫 [training_set_file].model 。 options 可以先不要给。 The format of training_set_files is described above. If the model_file is not specified, itll be [training_set_file].model by default. Options can be ignored at first.