LIBSVM使用步骤

LIBSVM使用步骤1.进入附件/命令提示符；2.输入cdc:\libsvm-2.88\windows;3.输入原始数据（数据应以记事本的方式保存至libsvm-2.88\windows下），如下：0.0971:0.092:0.093:0.094:0.095:0.090.0931:0.0972:0.093:0.094:0.095:0.094.利用svmtrain[options]training_set_file[model_file]其中，options（操作参数）：可用的选项即表示的涵义如下所示-ssvm类型：设置SVM类型，默认值为0，可选类型有（对于回归只能选3或4）：0--C-SVC1--n-SVC2--one-class-SVM3--e-SVR4--n-SVR-t核函数类型：设置核函数类型，默认值为2，可选类型有：0--线性核：u'*v1--多项式核：(g*u'*v+coef0)degree2--RBF核：e(uv2)g–3--sigmoid核：tanh(g*u'*v+coef0)-ddegree：核函数中的degree设置，默认值为3；-gg：设置核函数中的g，默认值为1/k；-rcoef0：设置核函数中的coef0，默认值为0；-ccost：设置C-SVC、e-SVR、n-SVR中从惩罚系数C，默认值为1；-nn：设置n-SVC、one-class-SVM与n-SVR中参数n，默认值0.5；-pe：设置n-SVR的损失函数中的e，默认值为0.1；-mcachesize：设置cache内存大小，以MB为单位，默认值为40；-ee：设置终止准则中的可容忍偏差，默认值为0.001；-hshrinking：是否使用启发式，可选值为0或1，默认值为1；-b概率估计：是否计算SVC或SVR的概率估计，可选值0或1，默认0；-wiweight：对各类样本的惩罚系数C加权，默认值为1；-vn：n折交叉验证模式。其中-g选项中的k是指输入数据中的属性数。操作参数-v随机地将数据剖分为n部分并计算交叉检验准确度和均方根误差。以上这些参数设置可以按照SVM的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练结束后产生的模型文件，该参数如果不设置将采用默认的文件名，也可以设置成自己惯用的文件名。5.测试用法：svmpredict[options]test_filemodel_fileoutput_fileoptions（操作参数）：-bprobability_estimates：是否需要进行概率估计预测，可选值为0或者1，默认值为0。model_file是由svmtrain产生的模型文件；test_file是要进行预测的数据文件；output_file是svmpredict的输出文件，表示预测的结果值。输出结果包括均方误差（Meansquarederror）和相关系数（Squaredcorrelationcoefficient）。缩放：svm-scale-y-11-ssave.file1.txt1.scale交叉验证：pythongrid.pyt.txt（有时无可靠结果）训练：svm-train.exe-s3-t3–c1.6–v5xunlian.txt(依靠交叉验证v=5，通过误差和相关系数优化参数)预测：svm-predictyuce.txtxunlian.txt.modely.out