一、介紹：

??????? LIBSVM是臺灣大學林智仁(Chih-Jen Lin)副教授等開發設計的一個簡單、易于使用和快速有效的SVM模式識別與回歸的軟件包，他不但提供了編譯好的可在Windows系列系統的執行文件，還提供了源代碼，方便改進、修改以及在其它操作系統上應用；該軟件還有一個特點，就是對SVM所涉及的參數調節相對比較少，提供了很多的默認參數，利用這些默認參數就可以解決很多問題；并且提供了交互檢驗(Cross Validation)的功能。

二、安裝使用

1、下載

總共需要三個軟件：libsvm, python, gnuplot。（python安裝就不用說了，記得加python路徑到環境變量）

gnuplot是用來畫圖用的。可以直接去這里下載http://download.csdn.net/detail/kuaile123/6252717

放置路徑如下：

E:\labSoftWare\gp373w32

E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9

2、修改參數

在c:\libsvm-2.9\tools中修改easy.py和grid.py的路徑:

①打開easy.py 修改地方如下：

?else:
??????? # example for windows
?svmscale_exe = r"E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows\svm-scale.exe"
?svmtrain_exe = r"E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows\svm-train.exe"
?svmpredict_exe = r"E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows\svm-predict.exe"
?gnuplot_exe = r"E:\labSoftWare\gp373w32\pgnuplot.exe"
?grid_py = r"E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\tools\grid.py"

②點中grid.py修改路徑如下：

else:
?????? # example for windows
?????? svmtrain_exe = r"E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows\svm-train.exe"
?????? gnuplot_exe = r"E:\labSoftWare\gp373w32\pgnuplot.exe"

三、訓練步驟

里面的語法和參數說明：按照 E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9和E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\tools下的README

(1)按照LIBSVM軟件包所要求的格式準備數據集；

libSVM的數據格式

Label 1:value 2:value ….

?Label：是類別的標識，比如1 -1，可以自己隨意定，比如-10，0，15。當然，如果是回歸，這是目標值，就要實事求是了。

Value：就是要訓練的數據，從分類的角度來說就是特征值，數據之間用空格隔開

?需要注意的是，如果特征值為0，特征冒號前面的(姑且稱做序號)可以不連續。如：

?????? -15 1:0.708 3:-0.3333

表明第2個特征值為0，從編程的角度來說，這樣做可以減少內存的使用，并提高做矩陣內積時的運算速度。

準備的數據存放于txt中，如 heart.txt

可以在這里下載http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary/heart

(2)對數據進行縮放操作；

svm-scale是用來對原始樣本進行縮放的，范圍可以自己定，一般是[0,1]或[-1,1]。縮放的目的主要是

1）防止某個特征過大或過小，從而在訓練中起的作用不平衡；

2）為了計算速度。因為在核計算中，會用到內積運算或exp運算，不平衡的數據可能造成計算困難。

用法：svm-scale [-l lower] [-u upper]

?????????????????????????[-y y_lower y_upper]

?????????????????????????[-s save_filename]

?????????????????????????[-r restore_filename] filename

其中，[]中都是可選項：

???????? -l：設定數據下限；lower：設定的數據下限值，缺省為-1

???????? -u：設定數據上限；upper：設定的數據上限值，缺省為 1

???????? -y：是否對目標值同時進行縮放；y_lower為下限值，y_upper為上限值；

???????? -s save_filename：表示將縮放的規則保存為文件save_filename；

???????? -r restore_filename：表示將按照已經存在的規則文件restore_filename進行縮放；

???????? filename：待縮放的數據文件，文件格式按照libsvm格式。

?

默認情況下，只需要輸入要縮放的文件名就可以了：????

???????????????????????? svm-scaleheart.txt

這時，test.txt中的數據已經變成[-1,1]之間的數據了。但是，這樣原來的數據就被覆蓋了，為了讓規劃好的數據另存為其他的文件，我們用一個dos的重定向符 > 來另存為(假設為out.txt)：

???????????????????????????????? svm-scaleheart.txt > out.txt

????運行后，我們就可以看到目錄下多了一個out.txt文件，那就是規范后的數據。假如，我們想設定數據范圍[0,1]，并把規則保存為heart.range文件:

???????????????????????? svm-scale –l 0 –u 1 -sheart.range heart.txt > out.txt?

?

將數據heart.txt保存在E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows文件夾下

svm-scale -l 0 -u 1 heart.txt > heart.scale.txt

(3)選用適當的核函數；

(4)采用交叉驗證選擇懲罰系數C與g的最佳參數；

cd 到所要保存文件的路徑下 輸入

python E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\tools\grid.py -log2c -10,10,1 -log2g -10,10,1 E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows\heart.scale.txt > test.txt

會出錯顯示 libsvm NameError: global name 'split' is not defined

原因是split使用語法錯誤，跟python版本不一致造成的，將split(argv[i],",") 都替換為argv[i].split(",")

這個需要一段時間，產生一個test.txt文件，其中記錄了參數尋優的結果

可以看到，參數分別為c 2.0，g 0.03125，正確率mse為84%。

還可以得到heart.scale.txt.png

(5)采用獲得的最佳參數對整個訓練集進行訓練獲取支持向量機模型；

svm-train用法：

用法： svm-train [options] training_set_file [model_file]

其中，options為操作參數，可用的選項即表示的涵義如下所示:

-s設置svm類型：

????????0 – C-SVC

????????1 – v-SVC

????????2 – one-class-SVM

????????3 –ε-SVR

????????4 – n - SVR

-t設置核函數類型，默認值為2

???????? 0 -- 線性核：u'*v

?????????1 -- 多項式核： (g*u'*v+coef0)^degree

?????????2 -- RBF 核：exp(-γ*||u-v||²)

?????????3 -- sigmoid 核：tanh(γ*u'*v+coef0)

-d degree:設置多項式核中degree的值，默認為3

-gγ:設置核函數中γ的值，默認為1/k，k為特征（或者說是屬性）數；

????????-r coef 0:設置核函數中的coef 0，默認值為0；

????????-c cost：設置C-SVC、ε-SVR、n - SVR中從懲罰系數C，默認值為1；

????????-n v：設置v-SVC、one-class-SVM與n - SVR中參數n ，默認值0.5；

????????-pε：設置v-SVR的損失函數中的e，默認值為0.1；

????????-m cachesize：設置cache內存大小，以MB為單位，默認值為40；

????????-eε：設置終止準則中的可容忍偏差，默認值為0.001；

????????-h shrinking：是否使用啟發式，可選值為0或1，默認值為1；

????????-b概率估計：是否計算SVC或SVR的概率估計，可選值0或1，默認0；

????????-wi weight：對各類樣本的懲罰系數C加權，默認值為1；

????????-v n：n折交叉驗證模式；

????????model_file：可選項，為要保存的結果文件，稱為模型文件，以便在預測時使用。???

????默認情況下，只需要給函數提供一個樣本文件名就可以了，但為了能保存結果，還是要提供一個結果文件名，比如:test.model,則命令為：

???????????????????????????????????????? svm-train heart.txttest.model

?

利用上步所得到的的參數 c 2.0，g 0.03125?對heart.scale.txt進行訓練，cd 到 E:\labSoftWare\libsvm-2.9.tar\libsvm-2.9\windows 下輸入：

svm-train –c 2.0 –g 0.03125 -b 1? heart.scale.txt heart.scale.txt.model

注意此處這里會生成 heart.scale.txt.model

注意要加 -b 1 不然進行c++連接訓練時會出錯。probability_estimates train a SVR model for probability estimates?

(6)利用獲取的模型進行測試與預測。

svm-predict 是根據訓練獲得的模型，對數據集合進行預測。

?? 用法：svm-predict [options] test_file model_file output_file?

?? 其中，options為操作參數，可用的選項即表示的涵義如下所示:

-b probability_estimates——是否需要進行概率估計預測，可選值為0或者1，默認值為0。

model_file ——是由svmtrain產生的模型文件；

test_file——是要進行預測的數據文件，格式也要符合libsvm格式，即使不知道label的值，也要任意填一個，svmpredict會在output_file中給出正確的label結果，如果知道label的值，就會輸出正確率；

output_file ——是svmpredict的輸出文件，表示預測的結果值。?

?

如在一個test1.txt文件輸入一個符合規則的值，輸出結果保存在result1.txt中，則 cmd下輸入 svm-predict test1.txt heart.scale.txt.model result1.txt

?

四、svm.cpp 等的理解

自己下載：

http://download.csdn.net/detail/kuaile123/6253085

更多理解參考：http://xgli0910.blog.163.com/blog/static/469621682012313101327710/

總結

以上是生活随笔為你收集整理的libsvm 使用介绍的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。