LibSVM for Python 使用
来源:互联网 发布:ajax跨域post请求数据 编辑:程序博客网 时间:2024/05/16 05:41
经历手写SVM的惨烈教训(还是太年轻)之后,我决定使用工具箱/第三方库
Python
libsvm的GitHub仓库
LibSVM是开源的SVM实现,支持C, C++, Java,Python , R 和 Matlab 等, 这里选择使用Python版本。
安装LibSVM
将LibSVM仓库的所有内容放入Python的包目录\Lib\site-packages或者工程目录中。
在libsvm根目录和python子目录下中分别新建名为__init__.py
的空文件,这两个空文件将标识所在的目录为python包可以直接导入。
允许草民吐槽一下各种Blog里切换根目录的奇怪的解决方案:这个和这个
因为经常使用svm,所以草民将libsvm包放入\Lib\site-packages目录下。在Python交互环境或在任意脚本中都可以使用import libsvm.python
来使用libsvm的python接口。
使用LibSVM
LibSVM的使用非常简单,只需调用有限的接口
示例1:
from libsvm.python.svmutil import *from libsvm.python.svm import * y, x = [1,-1], [{1:1, 2:1}, {1:-1,2:-1}]prob = svm_problem(y, x)param = svm_parameter('-t 0 -c 4 -b 1')model = svm_train(prob, param)yt = [1]xt = [{1:1, 2:1}]p_label, p_acc, p_val = svm_predict(yt, xt, model)print(p_label)
输出结果:
optimization finished, #iter = 1nu = 0.062500obj = -0.250000, rho = 0.000000nSV = 2, nBSV = 0Total nSV = 2test:Model supports probability estimates, but disabled in predicton.Accuracy = 100% (1/1) (classification)[1.0]
在SVM数据中下载train1.txt和test1.txt。
LibSVM可以在文件中读取训练数据,这样便于大规模数据的使用。
示例:
from libsvm.python.svmutil import *from libsvm.python.svm import *y, x = svm_read_problem('train1.txt')yt, xt = svm_read_problem('test1.txt')model = svm_train(y, x )print('test:')p_label, p_acc, p_val = svm_predict(yt[200:202], xt[200:202], model)print(p_label)
可以看到输出:
optimization finished, #iter = 5371nu = 0.606150obj = -1061.528918, rho = -0.495266nSV = 3053, nBSV = 722Total nSV = 3053test:Accuracy = 40.809% (907/2225) (classification)
LibSVM接口
训练数据格式
libsvm的训练数据格式如下:
<label> <index1>:<value1> <index2>:<value2> ...
示例:
1 1:2.927699e+01 2:1.072510e+02 3:1.149632e-01 4:1.077885e+02
主要类型
svm_problem
保存定义SVM模型的训练数据
svm_parameter
存储训练SVM模型所需的各种参数
svm_model
完成训练的SVM模型
svm_node
模型中一个特征的值,只包含一个整数索引和一个浮点值属性。
主要接口:
-svm_problem(y, x)
由训练数据y,x创建svm_problem对象
svm_train()
svm_train有3个重载:
model = svm_train(y, x [, 'training_options'])model = svm_train(prob [, 'training_options'])model = svm_train(prob, param)
用于训练svm_model模型
- `svm_parameter(cmd)
创建svm_parameter对象,参数为字符串。
示例:
param = svm_parameter('-t 0 -c 4 -b 1')
svm_predict()
调用语法:
p_labs, p_acc, p_vals = svm_predict(y, x, model [,'predicting_options'])
参数:
y
测试数据的标签
x
测试数据的输入向量
model
为训练好的SVM模型。
返回值:
p_labs
是存储预测标签的列表。
p_acc
存储了预测的精确度,均值和回归的平方相关系数。
p_vals
在指定参数'-b 1'时将返回判定系数(判定的可靠程度)。
这个函数不仅是测试用的接口,也是应用状态下进行分类的接口。比较奇葩的是需要输入测试标签y才能进行预测,因为y不影响预测结果可以用0向量代替。
svm_read_problem
读取LibSVM格式的训练数据:
y, x = svm_read_problem('data.txt')
svm_save_model
将训练好的svm_model存储到文件中:
svm_save_model('model_file', model)
model_file的内容:
svm_type c_svckernel_type linearnr_class 2total_sv 2rho 0label 1 -1probA 0.693147probB 2.3919e-16nr_sv 1 1SV0.25 1:1 2:1 -0.25 1:-1 2:-1
svm_load_model
读取存储在文件中的svm_model:
model = svm_load_model('model_file')
调整SVM参数
LibSVM在训练和预测过程中需要一系列参数来调整控制。
svm_train的参数:
-s
SVM的类型(svm_type)0 -- C-SVC(默认)
使用惩罚因子(Cost)的处理噪声的多分类器
1 -- nu-SVC(多分类器)
按照错误样本比例处理噪声的多分类器
2 -- one-class SVM
一类支持向量机,可参见"SVDD"的相关内容
3 -- epsilon-SVR(回归)
epsilon支持向量回归
4 -- nu-SVR(回归)
-t
核函数类型(kernel_type)0 -- linear(线性核):
u'*v
1 -- polynomial(多项式核):
(gamma*u'*v + coef0)^degree
2 -- radial basis function(RBF,径向基核/高斯核):
exp(-gamma*|u-v|^2)
3 -- sigmoid(S型核):
tanh(gamma*u'*v + coef0)
4 -- precomputed kernel(预计算核):
核矩阵存储在
training_set_file
中
下面是调整SVM或核函数中参数的选项:
-d
调整核函数的degree参数,默认为3-g
调整核函数的gamma参数,默认为1/num_features
-r
调整核函数的coef0参数,默认为0
-c
调整C-SVC, epsilon-SVR 和 nu-SVR中的Cost参数,默认为1
-n
调整nu-SVC, one-class SVM 和 nu-SVR中的错误率nu参数,默认为0.5
-p
调整epsilon-SVR的loss function中的epsilon参数,默认0.1
-m
调整内缓冲区大小,以MB为单位,默认100
-e
调整终止判据,默认0.001
-wi
调整C-SVC中第i个特征的Cost参数
调整算法功能的选项:
-b
是否估算正确概率,取值0 - 1,默认为0
-h
是否使用收缩启发式算法(shrinking heuristics),取值0 - 1,默认为0
-v
交叉校验-q
静默模式
Matlab
LibSVM的Matlab接口用法类似,Matlab丰富的标准工具箱提供了各种方便。
Statistic Tools工具箱提供了svmtrain和svmclassify函数进行SVM分类。
traindata = [0 1; -1 0; 2 2; 3 3; -2 -1;-4.5 -4; 2 -1; -1 -3];group = [1 1 -1 -1 1 1 -1 -1]';testdata = [5 2;3 1;-4 -3];svm_struct = svmtrain(traindata,group); Group = svmclassify(svm_struct,testdata);
svmtrain接受traindata和group两个参数,traindata以一行表示一个样本,group是与traindata中样本对应的分类结果,用1和-1表示。
svmtrain返回一个存储了训练好的svm所需的参数的结构体svm_struct。
svmclassify接受svm_struct和以一行表示一个样本的testdata,并以1和-1列向量的形式返回分类结果。
- LibSVM for Python 使用
- LibSVM for Python 使用
- python中使用libsvm
- Python使用libsvm库
- Python中使用libsvm
- 如何利用python使用libsvm
- 在python中的使用Libsvm
- python下libsvm的使用
- python libsvm 使用中问题
- LIBSVM在python下的使用
- libsvm在python下的使用
- libsvm 在 Matlab 和 Python 中的使用
- Python 之 LIBSVM 使用小结(一)
- Python 之 LIBSVM 使用小结(二)
- Python 之 LIBSVM 使用小结(三)
- LIBSVM在python下的使用
- LIBSVM-3.21在python下的使用
- Python下的LibSVM的使用
- 有序广播案例实现
- 原生JS添加删除Class
- Zurmo(十五)之图标四
- UIView周边加阴影,并且同时圆角
- 人人网面试经历
- LibSVM for Python 使用
- 面向对象软件工程概述复习题
- 原生js加载完成后执行多个onload
- java抽象类及接口
- Firefox 安装selenium ide2.9.0插件失败,提示:该附加组件无法安装 因为它似乎已损坏
- 支持向量机原理
- C# 中的委托和事件(详解)
- 判断字符串能否拆分成句子
- 大话数据结构Python版实现(一)