libsvm 的使用

1. libsvm 支持的SVM模型

官网地址：LIBSVM – A Library for Support Vector Machines

libsvm 支持的 SVM 模型如下（C：classification，R：regression）：

• C-SVC(C-support vector classification),
• nu-SVC(nu-support vector classification),
• one-class SVM(distribution estimation),
• epsilon-SVR(epsilon-support vector regression),
• nu-SVR(nu-support vector regression)

2. 一个简单demo

%% 加载数据到内存；load heart_scale.matX = heart_scale_inst;y = heart_scale_label;N = size(X, 1);%% 将数据集划分为训练集和测试集idx = randperm(N);          % 对全部样本的一次全排列；prop = floor( .75*N);train_X = X(1:prop, :) ;test_X = X(prop+1:end, :);train_y = y(1:prop, :);test_y = y(prop+1:end, :);%% 通过训练集进行训练model = svmtrain(train_y, train_X, '-s 0 -t 2 -c 1.2 -g 2.8')% 将训练好的模型作用在训练集，查看准确率情况[predicted_labels, accuracy, decision_values] = svmpredict(train_y, train_X, model);%% 在真实的测试集上进行测试predicted_labels = svmpredict(test_y, test_X, model);accuracy = sum(predicted_labels == test_y) / length(test_y)

• svmtrain 参数的意义：
  
  • -s svm类型：SVM设置类型(默认0)
    % 0 – C-SVC
    % 1 –v-SVC
    %2 – 一类SVM
    %3 – e -SVR
    % 4 – v-SVR
  • -t 核函数类型：核函数设置类型(默认2)
    % 0 – 线性：u’v
    % 1 – 多项式：(r*u’v + coef0)^degree
    % 2 – RBF函数：exp(-r|u-v|^2)
    % 3 –sigmoid：tanh(r*u’v + coef0)
  • -c cost：设置C-SVC，e -SVR和v-SVR的参数（损失函数）(默认1)
  • -g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)

常见问题的解决

• load heart_scale 数据时的“ASCII 文件 heart_scale 的第 3 行中的列数必须与前面行中的列数相同”。
  
  • libsvm-3.18 heart_scale文件格式错误