LibSVM學習（二）——第一次體驗libSvm

  1. 把LibSVM包解壓到相應的目錄（由於我只須要裏面windows文件夾中的東東，咱們也能夠只把windows文件夾拷到相應的目錄），好比D:/libsvm。

 

       2. 在電腦「開始」的「運行」中輸入cmd，進入DOS環境。定位到d:/ libsvm下，具體命令以下:

           

           d: (回車)

         cd /libsvm/windows (回車)

         

           (上面第一行是先定位到盤符d，第二行cd 是定位到相應盤符下的目錄)

 

       3. 進行libsvm訓練，輸入命令：(這裏要注意文件的名字，2.89之前版本都是svmtrain.exe)

          

          svm-train heart_scale train.model

  

           heart_scale ——是目錄下的已經存在的樣本文件，要換成本身的文件，只需改爲本身的文件名就能夠了

         train.model ——是建立的結果文件，保存了訓練後的結果

 

       

   能夠看到結果：

     *

optimization finished, #iter = 162

nu = 0.431029

obj = -100.877288, rho = 0.424462

nSV = 132, nBSV = 107

      Total nSV = 132

 

       其中，#iter爲迭代次數，nu 是你選擇的核函數類型的參數，obj爲SVM文件轉換爲的二次規劃求解獲得的最小值，rho爲判決函數的偏置項b，nSV 爲標準支持向量個數(0<a[i]<c)，nBSV爲邊界上的支持向量個數(a[i]=c)，Total nSV爲支持向量總個數（對於兩類來講，由於只有一個分類模型Total nSV = nSV，可是對於多類，這個是各個分類模型的nSV之和）。

 

 

    在目錄下，還能夠看到產生了一個train.model文件，能夠用記事本打開，記錄了訓練後的結果。

          svm_type c_svc                     //所選擇的svm類型，默認爲c_svc

          kernel_type rbf                       //訓練採用的核函數類型，此處爲RBF核

          gamma 0.0769231                   //RBF核的參數γ

          nr_class 2                               //類別數，此處爲兩分類問題

          total_sv 132                           //支持向量總個數

          rho 0.424462                          //判決函數的偏置項b

          label 1 -1                                 //原始文件中的類別標識

          nr_sv 64 68                           //每一個類的支持向量機的個數

          SV                                          //如下爲各個類的權係數及相應的支持向量

   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

 

    到如今，第一次體驗libsvm到這就基本結束了，其餘的兩個(svm-predict、svm-scale)的使用過程相似。怎麼樣，挺爽的吧。對於個別參數你還不理解，不要緊，下面咱們會具體講到。