LibSVM学习(二)——第一次体验libSvm

本文详细介绍了如何使用LibSVM包进行二分类任务的训练与预测,包括安装、配置、训练过程及结果解读,以及如何利用训练后的模型进行预测。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       1. LibSVM包解压到相应的目录(因为我只需要里面windows文件夹中的东东,我们也可以只把windows文件夹拷到相应的目录),比如C:\libsvm-3.12

       2. 在电脑“开始”的“运行”中输入cmd,进入DOS环境。定位到C:\libsvm-3.12下,具体命令如下:

         C: (回车)

         cd C:\libsvm-3.12\windows(回车)

         (上面第一行是先定位到盘符d,第二行cd 是定位到相应盘符下的目录)

3. 进行libsvm训练,输入命令:(这里要注意文件的名字,2.89以前版本都是svmtrain.exe)

svm-train ..\heart_scale ..\train.model

heart_scale ——是目录下的已经存在的样本文件,要换成自己的文件,只需改成自己的文件名就可以了

train.model ——是创建的结果文件,保存了训练后的结果

可以看到结果

*
optimization finished, #iter = 162
nu = 0.431029
obj = -100.877288, rho = 0.424462
nSV = 132, nBSV = 107
Total nSV = 132

其中,

#iter迭代次数

nu 是你选择的核函数类型的参数

obj为SVM文件转换为的二次规划求解得到的最小值

rho为判决函数的偏置项b

nSV 标准支持向量个数(0<a[i]<c)

nBSV边界上的支持向量个数(a[i]=c)

Total nSV支持向量总个数(对于两类来说,因为只有一个分类模型Total nSV = nSV,但是对于多类,这个是各个分类模型的nSV之和)。

 

在目录下,还可以看到产生了一个train.model文件,可以用记事本打开,记录了训练后的结果。

          svm_type c_svc                    //所选择的svm类型,默认为c_svc
          kernel_type rbf                   //训练采用的核函数类型,此处为RBF核
          gamma 0.0769231                   //RBF核的参数γ
          nr_class 2                        //类别数,此处为两分类问题
          total_sv 132                      //支持向量总个数
          rho 0.424462                      //判决函数的偏置项b
          label 1 -1                        //原始文件中的类别标识
          nr_sv 64 68                       //每个类的支持向量机的个数
          SV                                //以下为各个类的权系数及相应的支持向量

   1 1:0.166667 2:1 3:-0.333333 … 10:-0.903226 11:-1 12:-1 13:1

   0.5104832128985164 1:0.125 2:1 3:0.333333 … 10:-0.806452 12:-0.333333 13:0.5

   ………..

   -1 1:-0.375 2:1 3:-0.333333…. 10:-1 11:-1 12:-1 13:1

         -1 1:0.166667 2:1 3:1 …. 10:-0.870968 12:-1 13:0.5

    到现在,第一次体验libsvm到这就基本结束了,其他的两个(svm-predict、svm-scale)的使用过程类似。怎么样,挺爽的吧。对于个别参数你还不理解,没关系,下面我们会具体讲到。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值