调用格式例子:
model=libsvmtrain(train_label',train_data','-t 1 -d 2');
[predict_train_label]=libsvmpredict(train_label',train_data',model);
[predict_test_label]=libsvmpredict(test_label',test_data',model);
参数:
-s svm类型:SVM模型设置类型(默认值为0)
0:C - SVC
1:nu - SVC
2:one - class SVM
3: epsilon - SVR
4: nu - SVR
- t 核函数类型:核函数设置类型(默认值为2)
0:线性核函数 u'v
1:多项式核函数(r *u'v + coef0)^degree
2:RBF 核函数 exp( -r|u - v|^2)
3:sigmiod核函数 tanh(r * u'v + coef0)
- d degree:核函数中的 degree 参数设置(针对多项式核函数,默认值为3)
- g r(gama):核函数中的gama参数设置(针对多项式/sigmoid 核函数/RBF/,默认值为属性数目的倒数)
- r coef0:核函数中的coef0参数设置(针对多项式/sigmoid核函数,默认值为0)
- c cost:设置 C - SVC,epsilon - SVR 和 nu - SVR的参数(默认值为1)
- n nu:设置 nu-SVC ,one - class SVM 和 nu - SVR的参数
- p epsilon:设置 epsilon - SVR 中损失函数的值(默认值为0.1)
- m cachesize:设置 cache 内存大小,以 MB 为单位(默认值为100)
- e eps:设置允许的终止阈值(默认值为0.001)
- h shrinking:是否使用启发式,0或1(默认值为1)
- wi weight:设置第几类的参数 C 为 weight * C(对于 C - SVC 中的 C,默认值为1)
- v n:n - fold 交互检验模式,n为折数,必须大于等于2
-s svm类型:SVM模型设置类型(默认值为0)
- t 核函数类型:核函数设置类型(默认值为2)
- d degree:核函数中的 degree 参数设置(针对多项式核函数,默认值为3)
- g r(gama):核函数中的gama参数设置(针对多项式/sigmoid 核函数/RBF/,默认值为属性数目的倒数)
- r coef0:核函数中的coef0参数设置(针对多项式/sigmoid核函数,默认值为0)
基于limsvm-3.1 的Libsvm-FarutoUltimate3.1增添了预处理函数和参数寻优,在github上开源了全部的源代码,参数寻优最近写课设用到了,非常方便
https://github.com/faruto/Libsvm-FarutoUltimate-Version地址