Weka開發［7］－LibSVM

首先要提的是LibSVM是一個庫，Lib很明顯是library的縮寫，有些人不知道怎麼會認爲它是一種算法。它是由中國臺灣的Chih-Chung Chang和Chih-Jen Lin等人開發的，他們用多種語言實現寫了LibSVM。

我把這一篇放到Weka開發裏講，主要講它怎麼和Weka結合，Weka中並非沒有SVM算法，Weka中有SMO算法的實現。

 

Weka and LibSVM are  two efficient software tools for building SVM classifiers. Each one of  these two tools has its points of strength and weakness. Weka has a GUI  and produces many useful statistics (e.g. confusion matrix, precision,  recall, F-measure, and ROC scores). LibSVM runs much faster than Weka  SMO and supports several SVM methods (e.g. One-class SVM, nu-SVM, and  R-SVM). Weka LibSVM (WLSVM) combines the merits of the two tools. WLSVM  can be viewed as an implementation of the LibSVM running under Weka  environment.

 

這一段是我從拷貝來的，請注意裏面有一句話，LibSVM運行的比Weka裏的SMO快的多，若是你敢用SMO算法去訓練大數據集，你就明白天荒地老的真實含意了。其它和Weka結合的最主要的緣由，我認爲是，咱們開始的時候每每都是用別的算法去試着作實驗的（或者原本就須要多種基分類器），好比Naïve Bayes(LibSVM是比SMO快的多，但是比起來Naïve Bayes，它仍是蝸牛)，到最後又想試試LibSVM，這時就須要LibSVM庫。

還有一點也是容易誤解的就是Weka裏的高版本，裏面是有LibSVM這個分類器，但你若是直接想運行是會出錯的，提示你沒有設置路徑。緣由是：WLSVM can be viewed as an implementation of the LibSVM running under Weka environment.

先把LibSVM下載下來，上次居然有人問我在哪下載，這種問題，我真是不想回答，不就是google一下嗎？網址也放上：http://www.csie.ntu.edu.tw/~cjlin/libsvm/，下載WLSVM，解壓後Lib文件夾下有一個LibSVM.jar的包，用和導入Weka.jar包相同的方式導入就行了，而後使用LibSVM和使用之前任何一種分類器的方式都是同樣的。

 

LibSVM classifier = new LibSVM();
classifier.buildClassifier( instances );
                
Evaluation evaluation = new Evaluation( ins );
evaluation.crossValidateModel(classifier, ins, 10, random );
                
System.out.println( "正確率爲：" + ( 1 - evaluation.errorRate() ) );