文本分类学习 （十）构造机器学习Libsvm 的C# wrapper（调用c/c++动态链接库）

前言： 对于SVM的了解，看前辈写的博客加上读论文对于SVM的皮毛知识总算有点了解，比如线性分类器，和求凸二次规划中用到的高等数学知识。然而SVM最核心的地方应该在于核函数和求关于α函数的极值的方法：SMO算法（当然还有很多别的算法。libsvm使用的是SMO，SMO算法也是最高效和简单的），还有松弛变量。。毕设答辩在即，这两个难点只能拖到后面慢慢去研究了。

于是我便是用了LibSvm，也就是台湾大学某某教授写的一个专门用于svm的工具包，其中有java语言的，python语言的，c语言的。我只拿了其中的两个文件svm.cpp 和svm.h ，这两个c语言的头文件和源文件已经可以直接拿来训练模型和预判分类了。这篇博客也只是照葫芦画瓢，利用已经写好的libsvm，做一个基于.net core的api接口，对于libsvm的内部实现都不甚了解。所在我是站在巨人的肩膀上学习，什么都是现成的。如果需要你自己去开发和创新，那么就意味着你已经站在芸芸众生的上面了。

目录：

文本分类学习（一）开篇
文本分类学习（二）文本表示
文本分类学习（三）特征权重（TF/IDF）和特征提取 　　
文本分类学习（四）特征选择之卡方检验
文本分类学习（五）机器学习SVM的前奏-特征提取（卡方检验续集）
文本分类学习（六）AdaBoost和SVM（残）
文本分类学习（七）支持向量机SVM 的前奏 结构风险最小化和VC维度理论
文本分类学习（八）SVM 入门之线性分类器
文本分类学习（九）SVM入门之拉格朗日函数和KKT条件

一，LibSvm的简单介绍

这里只介绍libSvm中的C语言版本，也就是前言中说的svm.cpp和svm.h。

1.结构体介绍

svm.h 文件包含了svm中所有的结构体和函数声明。

首先是 结构体svm_node

struct svm_node
{
int index;
double value
};
svm_node 是用来储存单个文本向量的单个特征，结构体只有两个属性一个是下标，一个是值。很显然如果一个文本向量的表示肯定是一个svm_node[] 数组。值得注意的是libsvm中，对于特征值为0，也就是value为0的特征，可以不用放到svm_node[]数组里这样会简化计算。此外，svm_node[]数组的最后一个元素index的值必须是-1且value值为null，是一个文本向量的结束标志。

然后是 结构体svm_problem

struct svm_problem
{
int l;
double *y;
struct svm_node **x;
};
前面的svm_node是表示单个文本向量，那么svm_problem便表示的是整个训练集了。其中l是训练集的个数，y是一个数组表示训练集的标签，x是一个二维数组自然表示训练集的文本向量。注意在二分类问题中y数组的值应该是+1或者-1。

接下来是 结构体svm_parameter

struct svm_parameter
{
int svm_type;
int kernel_type;
int degree; /* for poly /
double gamma; / for poly/rbf/sigmoid /
double coef0; / for poly/sigmoid */

/* these are for training only */
double cache_size; /* in MB */
double eps;    /* stopping criteria */
double C;    /* for C_SVC, EPSILON_SVR and NU_SVR */
int nr_weight;        /* for C_SVC */
int *weight_label;    /* for C_SVC */
double* weight;        /* for C_SVC */
double nu;    /* for NU_SVC, ONE_CLASS, and NU_SVR */
double p;    /* for EPSILON_SVR */
int shrinking;    /* use the shrinking heuristics */
int probability; /* do probability estimates */