libsvm学习之第一次预测一个模型

接上一回文件解压至D:\svm_tools\libsvm-3.31。 路径随着自己的喜好

环境准备

如上图所示，在使用libsvm的时候 需要提前准备好的环境 python与gnuplot。

首先准备数据集，因为原来的libsvm当中已经有一个heart_scale数据集。可以直接拿来使用测试。那我这里为了从无到有就直接去UCI 里面获取，一个新的数据集

访问地址：http://archive.ics.uci.edu/ml/index.php

UCI是符合机器学习算法的一个数据集，感兴趣的可以去百度

在这里我们取iris的数据集，

点上一步，进入下一步

直接下载

准备好数据集之后。因为直接下载的数据还不能直接用来分类，我们打开数据集看看

libSVM的数据格式 前面四项是属性，最后一项是分类标签。svm当中用数字来替代。

Label 1:value 2:value ….

Label：是类别的标识，比如train.model中提到的1 -1，你可以自己随意定，比如-10，0，15。当然，如果是回归，这是目标值，就要实事求是了。

Value：就是要训练的数据，从分类的角度来说就是特征值，数据之间用空格隔开

打开excel 进行标签替换，Iris-setosa换成1、Iris-versicolor换成2、Iris-virginica换成3.
然后进行数据整理，教程有很多百度即可。

以上数据工作准备完成之后。可以进入 D:\svm_tools\libsvm-3.31\tools 路径（根据自己的安装路径）
使用checkdata.py 来检验数据

数据表示没有问题

进入正题
svmscale的用法

svmscale是用来对原始样本进行缩放的，范围可以自己定，一般是[0,1]或[-1,1]。缩放的目的主要是

1）防止某个特征过大或过小，从而在训练中起的作用不平衡；

2）为了计算速度。因为在核计算中，会用到内积运算或exp运算，不平衡的数据可能造成计算困难。

用法：svmscale [-l lower] [-u upper]

                     [-y y_lower y_upper]

                     [-s save_filename]

                     [-r restore_filename] filename

其中，[]中都是可选项：

     -l：设定数据下限；lower：设定的数据下限值，缺省为-1

     -u：设定数据上限；upper：设定的数据上限值，缺省为 1

     -y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；

     -s save_filename：表示将缩放的规则保存为文件save_filename；

     -r restore_filename：表示将按照已经存在的规则文件restore_filename进行缩放；

     filename：待缩放的数据文件，文件格式按照libsvm格式。

svm-scale.exe iris > iris_out

默认情况下，只需要输入要缩放的文件名就可以了：

   ![在这里插入图片描述](https://img-blog.csdnimg.cn/128d8c766a17458ab5b90463715f6422.png)

这时生成归一化的数据集
回到D:\svm_tools\libsvm-3.31\tools
使用 subset.py 进行一个数据的分类

Usage: subset.py [options] dataset number [output1] [output2]

This script selects a subset of the given data set.

options:
-s method : method of selection (default 0)
0 – stratified selection (classification only)
1 – random selection

output1 : the subset (optional)
output2 : the rest of data (optional)

If output1 is omitted, the subset will be printed on the screen.

生成两个数据

进行训练集的一个模型
svm-train.exe trainData trainData.model

      trainData ——是目录下的已经存在的样本文件，要换成自己的文件，只需改成自己的文件名就可以了

     train.model ——是创建的结果文件，保存了训练后的结果

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notepad++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

到现在，已经构建了一个模型，下一节继续讲解怎么玩测试。