Libsvm简单实用教程dos界面实现.doc

LibSVM使用规范其实，这部分写也是多余，google一下“libsvm使用”，就会N多的资源，但是，为了让你少费点心，在这里就简单的介绍一下，有不清楚的只有动动你的mouse了。需要说明的是，2.89版本以前，都是svmscale、svmtrain和svmpredict，最新的是svm-scale、svm-train和svm-predict，要是用不习惯，只需要把那四个exe文件名去掉中间的短横线，改成svmscale、svmtrain和svmpredict就可以了，我们还是按原来函数名的讲。 1. libSVM的数据格式Label 1:value 2:value . Label：是类别的标识，比如上节train.model中提到的1 -1，你可以自己随意定，比如-10，0，15。当然，如果是回归，这是目标值，就要实事求是了。Value：就是要训练的数据，从分类的角度来说就是特征值，数据之间用空格隔开 比如: -15 1:0.708 2:1056 3:-0.3333 需要注意的是，如果特征值为0，特征冒号前面的(姑且称做序号)可以不连续。如： -15 1:0.708 3:-0.3333表明第2个特征值为0，从编程的角度来说，这样做可以减少内存的使用，并提高做矩阵内积时的运算速度。我们平时在matlab中产生的数据都是没有序号的常规矩阵，所以为了方便最好编一个程序进行转化。 2. svmscale的用法 svmscale是用来对原始样本进行缩放的，范围可以自己定，一般是0,1或-1,1。缩放的目的主要是1）防止某个特征过大或过小，从而在训练中起的作用不平衡；2）为了计算速度。因为在核计算中，会用到内积运算或exp运算，不平衡的数据可能造成计算困难。 用法：svmscale -l lower -u upper -y y_lower y_upper -s save_filename -r restore_filename filename 其中，中都是可选项： -l：设定数据下限；lower：设定的数据下限值，缺省为-1 -u：设定数据上限；upper：设定的数据上限值，缺省为 1 -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：表示将按照已经存在的规则文件restore_filename进行缩放； filename：待缩放的数据文件，文件格式按照libsvm格式。默认情况下，只需要输入要缩放的文件名就可以了：比如(已经存在的文件为test.txt) svmscale test.txt 这时，test.txt中的数据已经变成-1,1之间的数据了。但是，这样原来的数据就被覆盖了，为了让规划好的数据另存为其他的文件，我们用一个dos的重定向符 来另存为(假设为out.txt)： svmscale test.txt out.txt 运行后，我们就可以看到目录下多了一个out.txt文件，那就是规范后的数据。假如，我们想设定数据范围0,1，并把规则保存为test.range文件: svmscale l 0 u 1 s test.range test.txt out.txt 这时，目录下又多了一个test.range文件，可以用记事本打开，下次就可以用-r test.range来载入了。 3. svmtrain的用法 svmtrain我们在前面已经接触过，他主要实现对训练数据集的训练，并可以获得SVM模型。 用法： svmtrain options training_set_file model_file 其中，options为操作参数，可用的选项即表示的涵义如下所示:-s 设置svm类型： 0 C-SVC 1 v-SVC 2 one-class-SVM 3 -SVR 4 n - SVR-t 设置核函数类型，默认值为2 0 - 线性核：u*v 1 - 多项式核： (g*u*v+ coef 0)degree 2 - RBF 核：exp(-*|u-v|2) 3 - sigmoid 核：tanh(*u*v+ coef 0)-d degree: 设置多项式核中degree的值，默认为3-g: 设置核函数中的值，默认为1/k，k为特征（或者说是属性）数； -r coef 0:设置核函数中的coef 0，默认值为0； -c cost：设置C-SVC、-SVR、n - SVR中从惩罚系数C，默认值为1； -n v ：设置v-SVC、one-class-SVM 与n - SVR 中参数n ，默认值0.5； -p ：设置v-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 ：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； model_file：可选项，为要保存的结果文件，称为模型文件，以便在预测时使用。 默认情况下，只需要给函数提供一个样本文件名就可以了，但为了能保存结果，还是要提供一个结果文件名，比如:test.model,则命令为： svmtrain test.txt test.model 结果说明见LibSVM学习（二）。4. svmpredict 的用法 svmpredict 是根据训练获得的模型，对数据集合进行预测。 用法：svmpredict options test_file model_file output_file 其中，options为操作参数，可用的选项即表示的涵义如下所示:-b probability_estimates是否需要进行概率估计预测，可选值为0 或者1，默认值为0。 model_file 是由svmtrain 产生的模型文件；test_file 是要进行预测的数据文件，格式也要符合libsvm格式，即使不知道label的值，也要任意填一个，svmpredict会在output_fi