記錄LIbSVM使用的關(guān)鍵。不是教程，教程可以參考：https://blog.csdn.net/shayne000/article/details/88756447
從LIbSVM的訓(xùn)練模型函數(shù)說起：

svm_model* svmModel = svm_train(&prob, &param);

這是一個模型訓(xùn)練函數(shù)，訓(xùn)練成功之后會產(chǎn)生一個SVM模型。
所以前期工作就是對實現(xiàn)連個參數(shù)：&prob, &param
prob相當(dāng)于問題數(shù)據(jù)空間，param相當(dāng)于模型求解的算法參數(shù)
首先看一下參數(shù)選項，具體的解釋在說明文檔里面有：

struct svm_parameter {int svm_type;int kernel_type;int degree; /* for poly */double gamma; /* for poly/rbf/sigmoid */double coef0; /* for poly/sigmoid *//* these are for training only */double cache_size; /* in MB */double eps; /* stopping criteria */double C; /* for C_SVC, EPSILON_SVR and NU_SVR */int nr_weight; /* for C_SVC */int *weight_label; /* for C_SVC */double* weight; /* for C_SVC */double nu; /* for NU_SVC, ONE_CLASS, and NU_SVR */double p; /* for EPSILON_SVR */int shrinking; /* use the shrinking heuristics */int probability; /* do probability estimates */ };

然后看一下問題數(shù)據(jù)空間

struct svm_problem {int l;//樣本數(shù)量double *y;//樣本Y值是一個以為數(shù)組struct svm_node **x;//樣本特征值是一個二維數(shù)據(jù)，一個svm_node的一維數(shù)組代表一個樣本 };

接下來看看svm_node的數(shù)據(jù)結(jié)構(gòu)：

struct svm_node {int index;//樣本特征索引double value;//樣本特征值 };

當(dāng)index = -1 的時候表示這個樣本結(jié)束

所以首先填充一維的svm_node數(shù)組作為樣本，然后將很多個樣本放到struct svm_node **x;，同時也要把y復(fù)制還有樣本數(shù)量賦值。

在調(diào)用訓(xùn)練函數(shù)之前還要先檢查一下參數(shù)是否有問題

//檢查參數(shù)設(shè)置是否錯誤；if (svm_check_parameter(&prob, &param) != NULL){std::cout << svm_check_parameter(&prob, &param) << std::endl;}

如果沒有問題就是保存模型，然后加載模型，然后預(yù)測啦

//保存模型 svm_save_model(modelFileName.c_str(), svmModel); //加載模型 svm_model* svmModel = svm_load_model(modelFileName.c_str());//單樣本預(yù)測（也有成組的預(yù)測） //建立一個待預(yù)測樣本 svm_node* input = new svm_node[FEATUREDIM + 1]; .... //預(yù)測 int predictValue = svm_predict(svmModel, input);

總結(jié)

以上是生活随笔為你收集整理的LibSVM使用记录 C++ Visual studio的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。