libsvm自动寻参（参数优化）

libsvm自动寻找最优参数

支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane），svm有两个重要参数C(惩罚因子)和gamma(核函数参数)

C惩罚因子：取值越大对误差的容忍度越低，但容易出现过拟合；取值越小则容易出现欠拟合。

gamma：决定了数据映射到新的特征空间后的分布，gamma越大，支持向量越少，gamma值越小，支持向量越多。支持向量的个数影响训练与预测的速度。

但对于这两个参数的确定，人为去寻找比较困难，并且很难找到最优的参数。而libsvm中有一个grid.py脚本，可以自动寻找出最优的参数。

1.下载安装libsvm，进入libsvm目录执行make。

2.安装gnuplot：pip install gnuplot。

3.修改tools下的grid.py文件：

主要修改svm-tain.c和gnuplot的路径，Linux默认的地址就是对的。Windows系统修改为svmtain.exe（libsvm/windows）和gnuplot.exe的路径。

4.运行grid.py进行参数寻找：

在tools下打开命令行运行grid.py：python grid.py heart_scale
heart_scale是训练数据(有一定格式)

5.运行完成后，最后一行会有三个数据，第一个为C，第二个为gamma，最后一个为交叉验证精度，在tools文件夹下会生成两个文件：heart_scale.out和，第一个文件就是搜索过程中的[local]和最优数据，第二文件就是gnuplot图像。