libsvm如何调用svm.cpp进行训练和预测的具体过程

这里写下关于libsvm中，从MATLAB文件夹中的svmtrain.c和svmpredict.c入口，如何调用svm.cpp的过程进行详细的解析。当遇到比较重要的新的函数时，会在后面列出这个函数的作用和详细执行的过程，以便自己能看懂。

注：这里主要侧重调用C_SVC的情况，以及当置b=1时的情况分析。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

首先列在前面的是，头文件中需要了解并在后面函数中会用到的两个结构。

struct svm_problem

{

int l;   样本个数

double *y;   类别

struct svm_node **x;   一条样本的特征

};

 

struct svm_node  一个特征节点

{

int index;   特征序号

double value;  特征值

};

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Svm整个过程：

一、训练过程（直接进入svm.cpp进行分析）

进入函数，进行执行，最后会输出一个model

svm_model *svm_train(const svm_problem *prob, const svm_parameter *param)

1.先对同label的进行归纳

svm_group_classes(prob,&nr_class,&label,&start,&count,perm);

2.对两两各个类进行计算：

1)选出两类的数据，由于pro=1,故执行

svm_binary_svc_probability(&sub_prob,param,weighted_C[i],weighted_C[j],probA[p],probB[p]);

这里填充probA,probB的值

2)decision_function svm_train_one(const svm_problem *prob, const svm_parameter *param,double Cp, double Cn) （decision_function