对Iris数据集使用LibSVM工具分别进行线性、多项式、高斯核这三种分类训练

一、下载LibSVM

百度网盘下载：
链接：https://pan.baidu.com/s/171JAO7nhlsGRsXenbs8-uA
提取码：762w

二、使用LibSVM手动创建Iris数据集

1.解压后打开文件
如下：

2.打开windows–>svm-toy.exe

3.可以手动在该程序上标点，点击change可以改变颜色

4.数据设置完成后，点击Run得到如下

5.点击Save保存文件，输入文件名为test_1.txt，一定要输入.txt，打开该文件可以看到如下

6.按照上面的基础再在数据集里添加一些，保存得到test_2

三、模型训练得出决策函数的数学公式

（1）创建项目

1.打开IDEA，新建java项目，创建两个包test和libsvm

2…将java里的如下文件拷贝到src的test里

3.将压缩文件下java文件夹下的libsvm文件夹所有内容拷贝到项目src的libsvm包中

4.在test里创建一个test_1的类后，放入下面代码

package test;

import java.io.IOException;

public class test_1 {
    public static void main(String args[]) throws IOException, IOException {
        //存放数据以及保存模型文件路径
        String filepath = "E:\\BaiduNetdiskDownload\\libsvm-3.25\\test\\";
        /*
         * -s 设置svm类型：默认值为0
         *          0– C-SVC
         *          1 – v-SVC
         *          2 – one-class-SVM
         *          3 –ε-SVR
         *          4 – n - SVR
         *
         * -t 设置核函数类型，默认值为2
         *          0 --线性核
         *          1 --多项式核
         *          2 -- RBF核
         *          3 -- sigmoid核
         *
         * -d degree:设置多项式核中degree的值，默认为3
         *
         * -c cost：设置C-SVC、ε-SVR、n - SVR中从惩罚系数C，默认值为1；
         */
        String[] arg = {"-s","0","-c","10","-t","0",filepath+"test_1.txt",filepath+"line.txt"};
        String[] arg1 = {filepath+"test_2.txt",filepath+"line.txt",filepath+"predict1.txt"};
        System.out.println("----------------线性-----------------");
        //训练函数
        svm_train.main(arg);
        svm_predict.main(arg1);


        arg[5]="1";
        arg[7]=filepath+"poly.txt";//输出文件路径
        arg1[1]=filepath+"poly.txt";
        arg1[2]=filepath+"predict2.txt";
        System.out.println("---------------多项式-----------------");
        svm_train.main(arg);
        svm_predict.main(arg1);

        arg[5]="2";
        arg[7]=filepath+"RBF.txt";
        arg1[1]=filepath+"RBF.txt";
        arg1[2]=filepath+"predict3.txt";
        System.out.println("---------------高斯核-----------------");
        svm_train.main(arg);
        svm_predict.main(arg1);


    }
}

项目就创建完成了！

（2）运行

1.点击运行，得到结果

2.分析结果

optimization finished, #iter = 63//63表示迭代次数
nu = 0.1791558744396585//核函数的参数
obj = -77.86640933916739, rho = -5.916723540830204
//obj是SVM转换为的二次规划求解得到的最小值对偶题的最优目标值，rho是决策函数
//sgn(w^x-rho)中的偏差项(也是b,wx+b)
nSV = 14, nBSV = 11 //nSV是支持向量的个数，nBSV是边界上支持向量的个数
Total nSV = 14//支持向量的总的个数
Accuracy = 98.01980198019803% (99/101) (classification)//精度

3.发现文件夹test里得到了6个txt文件其中3个是训练的数据文件（线性，多项式，高斯核），其中有上述输出参数以及所有支持向量的数据

例如line.txt

四、总结

使用libsvm可以手动操作数据集的输入，通过工具的代码可以创建模型得出相关系数。

五、参考资料

LibSVM工具实现决策树训练