libsvm的使用文档.docVIP

libsvm的使用文档 2008-09-10 23:55 SVM库结构 下面对SVM库中几个可执行文件进行介绍： svmtrain 训练数据形成模型（model）,实质是算出了wx+b=0中的w,b. svmpredict 使用Svmtrain训练好的模型进行测试。输入新的X值，给出SVM预测出的Y值 Svmscale 对原始数据进行缩放，也可以自己编程序对原始数据进行缩放 SVM要求数据格式 [label] [index1]:[value1] [index2]:[value2] ...[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（默认为0？）；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。 +1 1:0.708 2:1 3:1 4:-0.320 5:-0.105 6:-1 8:1.21 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。 SVM的使用 主要介绍各个可执行文件的使用。最简单的应用是先svmtrain.exe, 再svmpredict.exe。我们可以用libsvm提供的测试数据文件heart_scale来进行使用。 以下是执行过程，在CMD下的执行过程。 C:\libsvm-2.85\windowssvmtrain heart_scale * optimization finished, #iter = 162 nu = 0.431029 obj = -100.877288, rho = 0.424462 nSV = 132, nBSV = 107 Total nSV = 132 C:\libsvm-2.85\windowssvmpredict.exe heart_scale heart_scale.model heart_scale.out Accuracy = 86.6667% (234/270) (classification) 下面详细说明各个可执行文件的用法。 (1)svmtrain.exe 用法： svm-train [options] training_set_file [model_file]， 其中options涵义如下: -s svm类型：设置SVM 类型，默认值为0，可选类型有： 0 -- C- SVC 1 -- nu - SVC 2 -- one-class-SVM 3 -- e - SVR 4 -- nu-SVR -t 核函数类型：设置核函数类型，默认值为2，可选类型有： 0 -- 线性核：u*v 1 -- 多项式核： (g*u*v+ coef0)degree 2 -- RBF 核:exp(-||u-v||*||u-v||/g*g) 3 -- sigmoid 核：tanh(g*u*v+ coef 0) -d degree：核函数中的degree设置，默认值为3； -g g ：设置核函数中的g ，默认值为1/ k ； -r coef 0：设置核函数中的coef0，默认值为0； -c cost：设置C- SVC、e - SVR、n - SVR中从惩罚系数C，默认值为1； -n nu ：设置nu - SVC、one-class-SVM 与nu - SVR 中参数nu ，默认值0.5； -p e ：河宽,设置e - SVR的损失函数中的e ，默认值为0.1； -m cachesize：设置cache内存大小，以MB为单位，默认值为40； -e e ：设置终止准则中的可容忍偏差，默认值为0.001； -h shrinking：是否使用启发式，可选值为0 或1，默认值为1； -b 概率估计：是否计算SVC或SVR的概率估计，可选值0 或1，默认0； -wi weight：对各类样本的惩罚系数C加权，默认值为1； -v n：n折交叉验证模式。 其中-g选项中的k是指输入数据中的属性数。操作参数 -v 随机地将数据剖分为n 部分并计算交叉检验准确度和均方根误差。以上这些参数设置可以按照SVM 的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM 类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练结束后产生的模型文件，该参数如果不设置将采用默认的文件名，也可以设置成自己惯用的文件名。 当执行了svmtrain命令后，