LIBSVM 在 python 环境下的使用

最新推荐文章于 2025-05-27 15:15:08 发布

原创

最新推荐文章于 2025-05-27 15:15:08 发布 · 5k 阅读

73 ·

CC 4.0 BY-SA版权

本文介绍了如何在Python环境中配置和使用LIBSVM，包括软件包下载、数据格式转换、参数设置以及模型训练与预测。通过示例代码展示了如何进行数据处理、设置SVM类型和核函数类型，并提到了训练模型的保存与导入。此外，还提供了训练过程中的屏幕回显信息解释和相关参考文章。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、LIBSVM软件包的下载及配置

首先，在该网站下载相应的LIBSVM压缩包文件：https://www.csie.ntu.edu.tw/~cjlin/libsvm/

下载解压后，将该文件复制到对应的python环境下的 .../Lib/site-packages/ 目录下。然后，在目录libsvm和目录libsvm/python/下，新建一个空文件，命名为 __init__.py。

此时，在python环境下，已经可以调用libsvm库里面相关的函数功能。

二、libsvm的使用

相关功能的使用非常简单，只要将数据的格式转成其要求的固定格式，直接调用相关的接口即可。

下面给出一些代码例子：

from libsvm.python.svmutil import *
    
y, x = [1,-1], [{1:1, 2:1}, {1:-1,2:-1}]       # 输入的数据
options = '-t 0 -c 4 -b 1'                     # 训练参数设置
model = svm_train(y,x,options)                 # 进行训练

yt = [1]
xt = [{1:1, 2:1}]
p_label, p_acc, p_val = svm_predict(yt, xt, model)     # 使用得到的模型进行预测
print(p_label)

首先对于输入数据的格式进行解释说明：

y：输入的数据样本对应的标签

x：输入的样本的属性值，其中每一个样本的格式是一个字典类型，键值对中键是一个索引值，值是对应的数据属性值

options：训练的一些参数设置，主要有以下的一些设置

-s SVM的类型(svm_type)

0 -- C-SVC(默认) 使用惩罚因子(Cost)的处理噪声的多分类器

1 -- nu-SVC(多分类器) &n