libsvm-288使用说明中文文档.docVIP

libsvm-2.88中文文档 中文文档由 pwwang 翻译, 欢迎转载, 转载请注明出处! ? Libsvm是一个简单、易用、有效的SVM分类和回归软件。它解决了C-SVM分类、nu-SVM分类、one-class-SVM、epsilon-SVM回归和nu-SVM回归。它还为C-SVM提供了一个自动模型选择工具。这个文档将解释libsvm的用法。 Libsvm可以从这里得到：.tw/~cjlin/libsvm在使用libsvm之前先阅读COPYRIGHT文件。 目录================= －快速开始－安装和数据格式－“svm-train”的用法－“svm-predict”的用法－“svm-scale”的用法－实际使用技巧－例子（后面的部分不作翻译） ? 快速开始================= 如果你是SVM的一个新手，并且数据不大，那么在安装完成之后请打开tools目录使用easy.py。它将把一切全自动化，从数据规化到参数选择。 用法：easy.py training_file [test_file] 你可以在“tools/README”中找到关于参数选择的更多信息。 ? 安装和数据格式================= 在Unix系统中，输入make来生成“svm-train”和“svm-predict”程序。不带参数地运行它们可以显示他们的用法。 在其他系统中，参考“Makefile”来生成它们（例如：你可以参数这篇文档中的“生成Windows可执行文件”）或者使用预生成二进制文件（Windows二进制文件在”windows“目录中） 训练和测试数据文件中的格式是： label index1:value1 index2:value2 …... 每行包含一个实例，并且以“n”（译者注：换行符）结束。对于分类来说，label是一个指向该类标志的整数（支持多类）。对于回归来说，label是一个可为任何实数的目标值。对于one-class-SVM来说，它不会被用到，所以可以为任何数值。除非使用预先计算的核（将在另一节介绍），index:value给出了一个特性（属性）值。index是一个从1开始的整数，value是一个实数。索引必须按升序排列。标签在测试文件中只被用来计算精确度或者错误。如果它们是未知的，把第一列赋任意值。 这个包内的一个分类数据的例子是“heart_scale”。可以使用“tools/checkdata.py”来检测你数据格式是否正确。（详见“tools/README”）。 输入“svm-train heart_scale”，程序将读取训练数据并输出模型文件“hear_scale.model”。如果你有一个测试集叫“heart_scale.t”，那么输入“svm-predict heart_scale.t heart_scale.model output” 来检查预测的准确性。“output”文件包含了预测的类标签。 这个包里还有一些其他的有用的程序： svm-scale： 规化你的输入数据文件 svm-toy： 这是一个简单的图形界面，它将在一个面板上显示SVM如果分离数据。你可以在窗口里单击来画数据点。使用“change”按钮来选择类1,2或者3（例如：一直到3个类都是支持的），“load”按钮用来从文件里装入数据，“save”按钮用来保存数据到一个文件，“run”按钮用来获取一个SVM模型，“clear”按钮用来清除窗口。 你可以窗口的底部输入选项，选项的符号规则和“svm-train”一样。 注意“load”和“save”只考虑了分类情况下的数据，而没有考虑回归的情况。每一个数据库有一个标签（颜色），它必须是1，2或者3，并且两个属性（x和y值）范围必须是[0，1]。 在各个目录中输入make来生成它们。 你需要Qt库来生成Qt版本（可以在这里得到：） 你需要GTK+库来生成GTK版本（可以在这里得到：） 预生成的Windows二进制文件可“Windows”目录中。我们使用的是32-位机上的Visual C++，所以最大缓存是2GB。 ? “svm-train”的用法 ================= 用法：svm-train [options] training_set_file [model_file]选项：-s svm_type : 设定SVM的类型 (default 0)??? 0 — C-SVC??? 1 — nu-SVC??? 2 — one-class SVM??? 3 — epsilon-SVR??? 4 — nu-SVR-t kernel_type : 设定核函数的类型 (default 2)??? 0 — line