matlab里的svmtrain的输出model里，各参数的含义

 *

optimization finished, #iter = 162

nu = 0.431029

obj = -100.877288, rho = 0.424462

nSV = 132, nBSV = 107

Total nSV = 132

 

       其中，#iter为迭代次数，nu 是你选择的核函数类型的参数，obj为SVM文件转换为的二次规划求解得到的最小值，rho为判决函数的偏置项b，nSV 为标准支持向量个数(0<a[i]<c)，nBSV为边界上的支持向量个数(a[i]=c)，Total nSV为支持向量总个数（对于两类来说，因为只有一个分类模型Total nSV = nSV，但是对于多类，这个是各个分类模型的nSV之和）。

 

 

    在目录下，还可以看到产生了一个train.model文件，可以用记事本打开，记录了训练后的结果。

          svm_type c_svc                     //所选择的svm类型，默认为c_svc

          kernel_type rbf                       //训练采用的核函数类型，此处为RBF核

          gamma 0.0769231                   //RBF核的参数γ

          nr_class 2                               //类别数，此处为两分类问题

          total_sv 132                           //支持向量总个数

          rho 0.424462                          //判决函数的偏置项b

          label 1 -1                                 //原始文件中的类别标识

          nr_sv 64 68                           //每个类的支持向量机的个数

          SV                                          //以下为各个类的权系数及相应的支持向量

   1 1:0.166667 2:1 3:-0.333333 … 10:-0.903226 11:-1 12:-1 13:1

   0.5104832128985164 1:0.125 2:1 3:0.333333 … 10:-0.806452 12:-0.333333 13:0.5

   ………..

   -1 1:-0.375 2:1 3:-0.333333…. 10:-1 11:-1 12:-1 13:1

         -1 1:0.166667 2:1 3:1 …. 10:-0.870968 12:-1 13:0.5