libsvm用法详解

各种教学视频或文档资料 +QQ：635992897 1.SVM训练使用前请按照python改变核函数需要在svm-train.exe执行命令行加"-s svm_type : set type of SVM (default 0)\n" " 0 -- C-SVC (multi-class classificat..

Einstein_liu

527人浏览 · 2016-09-21 10:13:27

Einstein_liu · 2016-09-21 10:13:27 发布

各种教学视频或文档资料 +QQ：635992897

1.SVM训练

使用前请按照python

改变核函数需要在svm-train.exe执行命令行加

"-s svm_type : set type of SVM (default 0)\n"

        "       0 -- C-SVC             (multi-class classification)\n"

        "       1 -- nu-SVC            (multi-class classification)\n"

        "       2 -- one-class SVM\n"

        "       3 -- epsilon-SVR       (regression)\n"

        "       4 -- nu-SVR            (regression)\n"

        "-t kernel_type : set type of kernel function (default 2)\n"

        "       0 -- linear: u'*v\n"

        "       1 -- polynomial: (gamma*u'*v + coef0)^degree\n"

        "       2 -- radial basis function: exp(-gamma*|u-v|^2)\n"

        "       3 -- sigmoid: tanh(gamma*u'*v + coef0)\n"

        "       4 -- precomputed kernel (kernel values in training_set_file)\n"

        "-d degree : set degree in kernel function (default 3)\n"

        "-g gamma : set gamma in kernel function (default 1/num_features)\n"

        "-r coef0 : set coef0 in kernel function (default 0)\n"

        "-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)\n"

        "-n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)\n"

        "-p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)\n"

        "-m cachesize : set cache memory size in MB (default 100)\n"

        "-e epsilon : set tolerance of termination criterion (default 0.001)\n"

        "-h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)\n"

        "-b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)\n"

        "-wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)\n"

        "-v n: n-fold cross validation mode\n"

        "-q : quiet mode (no outputs)\n"

第一步：打开easy.py，修改# example forwindows下的几个路径，同时修改grid.py路径。

修改cmd = '{0} {1} -svmtrain "{2}" -gnuplot "{3}" "{4}"'.format("D:\Anaconda2\python.exe",grid_py, svmtrain_exe, gnuplot_exe, scaled_file)

添加Python路径

第二步：运行cmd，进入控制台环境，定位到放置easy.py的目录d:/libsvm/program/tools。

第三步：输入命令：

d:/libsvm/python26/python easy.py heart_scale heart_test

heart_scale 是训练样本文件

heart_test 是测试样本文件

训练完成后得到模型文件

训练文件制作

提取舌面分析算法，删除SVM预测部分svm.predict。将算法生产的特征向量输出到文件

如下所示

1:0.002 2:0.033:0.448

在特征向量前增加分类标示

1 1:0 2:0

1 1:3 2:4

1 1:5 2:9

1 1:12 2:1

1 1:8 2:7

0 1:9 2:8

0 1:6 2:12

0 1:10 2:8

0 1:8 2:5

0 1:14 2:8

增加住够多的特征向量即可用于训练。注意各分类的样本数量应该一致。
模型文件使用

SVM训练结束后会生成range文件和model文件

Range文件如下：

x

0.000000000000000 1.000000000000000

1 0.000000000000000 14.00000000000000

2 0.000000000000000 12.00000000000000