libsvm使用方法?

所需要軟體下載：

這裡只考慮windows的環境：

工具/原料

電腦 軟體

方法/步驟

下載libsvm的zip包，只要解壓到某個資料夾就好就好（隨便D:\gjs\libsvm）

安裝python

下載好gnuplot ，直接解壓就好，無需安裝（C:\gnuplot）

.資料格式說明

0 1:5.1 2:3.5 3:1.4 4:0.22 1:4.9 2:3.0 3:1.4 4:0.21 1:4.7 2:3.2 3:1.3 4:0.2[label] [Index1]:[value1] [index2]:[value2] [index3]:[value3] [label]:類別（通常是整數）[index n]: 有順序的索引 [value n]

可能需要自己轉換訓練以及測試資料的格式。

1. windows cmd命令視窗

下載的libsvm包裡面已經為我們編譯好了（windows）。

進入libsvm\windows，可以看到這幾個exe檔案：

1.svm-predict: svmpredict test_file mode_file output_file 依照已經train好的model ，輸入新的資料，並輸出預測新資料的類別。

2.svm-scale: 有時候特徵值的波動範圍比較大需要對特徵資料進行縮放，可以縮放到0--1之間（自己定義）。

3.svm-toy:似乎是圖形介面，可以自己畫點，產生資料等。

4.svm-train: svmtrain [option] train_file [model_file] train 會接受特定格式的輸入，產生一個model 檔案。

第一步：可以自己生成資料，使用svm-toy：

雙擊svm-toy，點選change可以在畫布上畫點：

點選run,其實就是train的過程，劃分的區域：

點選save可以儲存資料（假設儲存的資料在D：//libsvm.txt）。

第二步：使用訓練資料libsvm.txt進行建模，使用svm-train：

使用cmd命令進入到我們解壓的libsvm目錄中的windows目錄，使用svm-train，如下：

其中，

#iter為迭代次數，

nu 是你選擇的核函式型別的引數，

obj為SVM檔案轉換為的二次規劃求解得到的最小值，

rho為判決函式的偏置項b，

nSV 為標準支援向量個數(0

nBSV為邊界上的支援向量個數(a[i]=c)，

Total nSV為支援向量總個數（對於兩類來說，因為只有一個分類模型Total nSV = nSV，但是對於多類，這個是各個分類模型的nSV之和

同時在該目錄下會生成一個訓練好的model（libsvm.txt.model）可以開啟檔案檢視裡面的內容，主要包括一些引數和支援向量等

第三步：使用建好的model進行預測，使用svm-predict

同時會生成一個輸出檔案（libsvm.txt.out）,每行代表該行的預測值類別。

引數優化：

svm的引數優化很重要，libsvm包裡面包含了引數的優化函式，主要是暴力求解引數。一般來說我們會使用高斯核函式，包含兩個引數（c 和 g）

使用gird.py檔案進行引數優化選擇:

grid.py在libsvm/tools裡面，首先需要修改gird.py中的gnuplot檔案路徑問題，把檔案裡的路徑改成gnuplot 存放的目錄：

進入grid.py的相應目錄，執行grid.py D://libsvm.txt

前面兩個分別是c 跟g的值，這時候我們重新訓練模型（加上引數c g）

可以看到，準確率有了顯著的提升， 其實這些步驟完全可以使用easy.py進行實現，同理也需要修改eays.py裡面的gnuplot檔案路徑問題，把檔案裡的路徑改成gnuplot 存放的目錄：

步驟總結如下：

1.轉換訓練資料為相應的格式。

2.有時候可能需要使用 svm-scale對資料進行相應的縮放，有利於訓練建模。

3.使用grid.py或者easy.py進行引數優化。

4.使用svm-train建模和svm-predict進行預測。