LIBSVM的结构分析

首先，我们调用的是svm-train.c这个文件进行训练，在visual studio下对应加载svm.h,svm.cpp,svm-train.c三个文件。编译为svm-train.exe可执行文件然后在命令行执行训练过程。

关于svm.h，是定义的一个头文件。其中定义的是svm需要的输入参数以及最后输出的模型，和一些函数。以供svm.h和svm-train.c文件中调用。

关于svm-train.c，我们首先找到主函数int main(int argc,char **argv)。这两个输入代表数据集和svm参数。数据集格式可以参照libsvm自带数据集格式，参数格式也一样。

关于读取数据，分为两个部分，第一个部分是读取命令行输入，也就是parse_command_line，把输入的训练集和svm参数分别保存到两个data里面。然后read_problem调用训练集数据，把每行数据都按照svm.h中定义的结构体保存下来。

下面是判断参数里面是否含有交叉验证这一参数。如果有，则进行交叉验证(默认是一折交叉验证)。然后调用svm_goup_classes分类。之后进行训练svm_train。如果不进行交叉验证的话，那么就直接执行svm_train。该函数也在svm.cpp中重写。

关于分类，众所周知，svm有回归和分类，回归也是一种分类。这里把回归和一分类问题归为一类，多分类问题为另一类。下面只描述多分类问题。回归和一分类问题也类似。

Svm_group_classes，该函数实现的目的是把数据集依照类别进行划分。Nr_class就是类别的个数，比如手写识别案例就是nr_class=10，因为十个数字。分好类以后采用one-to-one的训练方式。两个for循环遍历nr_class，每一类都和其他所有类进行一次最优超平面的划分。最后综合投票决定划分。

在svm_train_one中以C_SVC为列。s.Solve是SVM的SMO算法主体。关于算法主体就不在描述。