LibSVM工具实现决策树训练

一、使用LibSVM制作鸢尾花数据集

• 下载LibSVM
• 将下载的压缩文件解压如下：
  
• 点击windows文件夹，在文件夹中找到名为svm-toy.exe的运行程序并运行。在程序运行框内点击鼠标左键就能打点，点击Change后能够换颜色，最后点击Save将数据保存为train.txt。
  
• 在原有基础上再次添加一些数据，保存为test.txt。
  

二、利用上述数据集实现模型训练并写出决策函数的数学公式

• 打开IDEA，新建java项目，并新建一个Test类。为Test添加代码：

package test;

import java.io.IOException;

public class Test {
    public static void main(String args[]) throws IOException {
        //存放数据以及保存模型文件路径
        String filepath = "D:\\idea\\Java\\svm\\src\\";
        /*
         * -s 设置svm类型：默认值为0
         *          0– C-SVC
         *          1 – v-SVC
         *          2 – one-class-SVM
         *          3 –ε-SVR
         *          4 – n - SVR
         *
         * -t 设置核函数类型，默认值为2
         *          0 --线性核
         *          1 --多项式核
         *          2 -- RBF核
         *          3 -- sigmoid核
         *
         * -d degree:设置多项式核中degree的值，默认为3
         *
         * -c cost：设置C-SVC、ε-SVR、n - SVR中从惩罚系数C，默认值为1；
         */
        String[] arg = {"-s","0","-c","10","-t","0",filepath+"train.txt",filepath+"line.txt"};
        String[] arg1 = {filepath+"test.txt",filepath+"line.txt",filepath+"predict1.txt"};
        System.out.println("----------------线性-----------------");
        //训练函数
        svm_train.main(arg);
        svm_predict.main(arg1);


        arg[5]="1";
        arg[7]=filepath+"poly.txt";//输出文件路径
        arg1[1]=filepath+"poly.txt";
        arg1[2]=filepath+"predict2.txt";
        System.out.println("---------------多项式-----------------");
        svm_train.main(arg);
        svm_predict.main(arg1);

        arg[5]="2";
        arg[7]=filepath+"RBF.txt";
        arg1[1]=filepath+"RBF.txt";
        arg1[2]=filepath+"predict3.txt";
        System.out.println("---------------高斯核-----------------");
        svm_train.main(arg);
        svm_predict.main(arg1);

    }
}

• 将前面生成的两个文档与压缩文件下java文件夹下的libsvm文件夹所有内容拷贝到项目src中，并将如下文件拷贝到test下：
  

• 在复制到test包下的文件导入报名，结束后路径如下
  

• 运行项目，查看结果
  

• Accuracy表示精度，分析结果可知高斯核训练的模型精度略高于多项式和线性。

• 决策函数公式：f(x)=SV*x+rho（SV的值在生成的txt文件内。）

三、总结

使用LibSVM工具进行决策树训练，不仅能够直观地以图形界面显示，也能利用工具中的代码灵活地在项目中使用，并得到相关系数的输出。

---

https://blog.youkuaiyun.com/qq_45659777/article/details/121320835