libsvm使用教程

一、安裝libsvm

1、官網下載libsvm: https://www.csie.ntu.edu.tw/~cjlin/libsvm/ ,下載完成後解壓至本地

2、打開終端，cd進入libsvm目錄下，執行以下操作：

> make clean
> make
> cd python
> make

這樣就安裝好了libsvm。

二、使用libsvm進行分類

1、 準備數據集

為了演示方便，我們使用libsvm自帶的Iris數據集。下載鏈接：https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/multiclass/iris.scale

2、 分割數據集

> ./svm-scale -l 0 -u 1 iris.scale > iris.scale.scale
> ./svm-train -s 0 iris.scale.scale iris.model
> ./svm-predict iris.scale.scale iris.model iris.out

第一行中，我們進行了數據標準化。-l和-u表示最小值和最大值，這裡分別設置為0和1。第二行中，我們訓練了一個模型iris.model。svm-train的-s參數表示要使用的分類器類型，0表示使用C-SVC分類器。第三行中，我們在訓練好的模型上進行了驗證，結果保存在iris.out中。

三、使用libsvm進行回歸

1、 準備數據集

為了演示方便，我們使用libsvm自帶的sinusoidal數據集。下載鏈接：https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/regression/sinusoidal-1000.scale

2、 分割數據集

> ./svm-scale -l -1 -u 1 sinusoidal-1000.scale > sinusoidal-1000.scale.scale
> ./svm-train -s 3 -t 2 -g 0.5 -c 1000 sinusoidal-1000.scale.scale sinusoidal.model
> ./svm-predict sinusoidal-1000.scale.scale sinusoidal.model sinusoidal.out

第一行中，我們進行了數據標準化。這次的-l和-u參數分別設置為-1和1。第二行中，我們訓練了一個模型sinusoidal.model。svm-train的-s參數表示要使用的回歸類型，3表示使用epsilon-SVR回歸器。用-t控制核函數的類型，這裡使用的是徑向基核函數。-g控制徑向基核函數的帶寬，-c表示懲罰係數。第三行中，我們在訓練好的模型上進行了驗證，結果保存在sinusoidal.out中。

四、使用libsvm進行特徵選擇

特徵選擇是指從原始特徵集中選出一些最具預測能力的特徵子集。使用libsvm提供的工具svm-feature選擇進行特徵選擇。

1、 準備數據集

為了演示方便，我們使用libsvm自帶的breast-cancer數據集。下載鏈接：https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary/breast-cancer

2、 進行特徵選擇

> ./svm-scale -l 0 -u 1 breast-cancer > breast-cancer.scale
> ./svm-feature-select -c 10 -t 0 -w -1 -r -v 0 breast-cancer.scale

在svm-feature-select中，-c表示使用分類器C-SVC，-t表示核函數類型，這裡使用的是線性核函數。-w表示是否使用權重，我們這裡選擇使用。-r表示是否隨機選擇特徵，我們選擇不隨機選擇。最後的-v 0表示在特徵選擇中不需要進行十折交叉驗證。

五、使用libsvm調優

libsvm提供了一個工具svm-train，可以用來訓練模型。我們可以通過調整其參數來優化模型的性能。

1、 準備數據集

為了演示方便，我們使用libsvm自帶的heart_scale數據集。下載鏈接：https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary/heart_scale

2、 調優參數

> ./svm-scale -l -1 -u 1 heart_scale > heart_scale.scale
> ./svm-train -s 0 -t 0 -v 5 -c 1 -g 0.1 heart_scale.scale

在svm-train中，-v參數表示進行n折交叉驗證。我們這裡使用5折交叉驗證。-s參數表示使用分類器類型C-SVC，-t參數表示核函數類型，這裡我們使用的是線性核函數。-c參數表示懲罰因子，-g參數表示徑向基核函數的波長。

六、總結

本文介紹了libsvm的基本用法，包括安裝、分類、回歸、特徵選擇和調優。希望對讀者有所幫助。