SVM学习过程（二）-libsvm使用

libsvm安装好后，推荐阅读guide-A Practical Guide to Support Vector Classification。全英文的，不过还好懂。

阅读Guide

简单来讲，里面说了一些新手开车注意事项。
新手使用libsvm的一般步骤：

• 把数据转化为libsvm规定的格式
• 数据缩放
• 考虑使用RBF 核函数
• 交叉验证找到最优参数
• 用最优参数训练数据
• 预测

数据格式

libsvm工具包使用的数据有特殊的格式。以heart-scale为例来说，每一行是一组数据。第一列是标签，后面是数据。格式就是：
label index1：data1 index2:data2 …
为什么要加index呢？如果该数据为0就跳过了，我猜可能是为了简化数据吧。比如稀疏矩阵用这种表达方式是很好的。
网站上 https://www.csie.ntu.edu.tw/~cjlin/libsvm/，有好多数据可以下载，大部分都是按这个格式整理好的。
整理好的数据可以直接用函数 libsvmread读取。读取结果就是两个主要值，一个标签一个数据。
如果是自己的数据就可以不用这样整理了，直接读取到两个数据结果就行。

数据缩放

为什么要缩放？
guide里给出了原因，避免数值大的数据过度影响数值小的数据。另外一个考虑是减少计算上的困难。因为内核值的计算经常依赖于特征向量的内积，数值小了好计算。

确定数据范围
缩放到【-1，1】或【0，1】，也可以自定义范围如[-10, 18]都可以。

注意要把测试数据同比例缩放。如果是分类，标签就不要缩放了。如果是回归，标签也要随之缩放。

模型选择

有四种常见的内核，Linear， polynomial， RBF （radial basi