libSVM使用手册

《libSVM使用手册》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、libSVM使用文档1.使用演示工具svm两类分类过程利用libSVM自带的简易工具来演示SVM的两类分类过程。（以下内容只是利用libSVM自带的一个简易的工具供大家更好的理解SVM，如果你对SVM已经有了一定的了解，可以直接跳过这部分内容）首先，你要了解的是libSVM只是众多SVM实现版本中的其中之一。而SVM是一种进行两类分类的分类器，在libSVM最新版（libSVM3.1）里面，已经自带了简单的工具，可以对二分类进行演示。以windows平台为例，将libSVM.zip解压之后，有一个名为

2、windows的子文件夹，里面有一个名为svm-toy.exe的可执行文件。直接双击，运行该可执行文件，显示如下的界面点击第二个按钮“Run”,然后，在整个黑色dos窗口左上部分，用鼠标左键随机点几下，代表你选择的第一类模式的数据分布，下图是随即点了几下的结果：之后，点击“Change”，接着，用鼠标左键在dos窗口右下方随便点击几下，代表你选择的第二类模式的数据分布，如下图所示：接着，点击“Run”,libSVM就帮你把这两类模式分开了，并用两种不同的颜色区域来代表两类不同的模式，如下图所示：图中左

3、上方紫色的区域，是第一类模式所在的区域，右下方的蓝色区域，是你选择的第二类模式所在的的区域，而两者的分界面，也就是SVM的最优分类面。当然，SVM是通过核函数将原始数据映射到高维空间，在高维空间进行线性分类。换句话说，在高维空间，这两类数据应该是线性可分的，即：最优分类面应该是一条直线，而这里看到的，是将高维空间分类的结果又映射回原始空间所呈现的分类结果，即：非线性的分类面。细心的朋友可能已经发现，在上述界面的右下角，有一个编辑框，里面写着“-t2-c100”，显然，这是libSVM的一些参数，你也可

4、以试着更改这些参数，来选择不同的核函数、不同的SVM类型等来达到最好的分类效果。2.libSVM的使用工具libSVM中的windows文件夹下包含以下可执行程序文件（小工具）：（1）svm-scale:一个用于对输入数据进行归一化的简易工具（2）svm-toy:一个带有图形界面的交互式SVM二分类功能演示小工具；（3）svm-train：对用户输入的数据进行SVM训练。其中，训练数据是按照以下格式输入的：<类别号><索引1>：<特征值1><索引2>：<特征值2>...（4）svm-predict：根

5、据SVM训练得到的模型，对输入数据进行预测，即分类。3.使用方法LIBSVM使用的一般步骤是：1）按照LIBSVM软件包所要求的格式准备数据集；2）对数据进行简单的缩放操作；3）考虑选用RBF核函数4）采用交叉验证选择最佳参数C与g；5）采用最佳参数C与g对整个训练集进行训练获取支持向量机模型；6）利用获取的模型进行测试与预测。3.1libSVM使用的数据格式LIBSVM使用的训练数据和测试数据文件格式如下：：：…其中

6、bel>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。是以1开始的整数，表示特征的序号；为实数，也就是我们常说的特征值或自变量。当特征值为0时，特征序号与特征值value都可以同时省略，即index可以是不连续的自然数。与第一个特征序号、前一个特征值与后一个特征序号之间用空格隔开。测试数据文件中的label只用于计算准确度或误差，如果它是未知的，只需用任意一个数填写这一栏，也可以空着不填。例如：+11:0.7082:1

7、3:14:-0.3205:-0.1056:-18:1.21为了使用的方便，可以编写小程序，将自己常用的数据格式按照这种数据格式要求转换成这种格式供LIBSVM直接使用。3.2svmscale的用法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[-llower][-uupper][-yy_lowery_upper][-ssave_

8、filename][-rrestore_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；-ssave_filename：表示将缩放的规则保存为文件save_filename；-rrestore_filename：表示将缩放规则文