LIBSVM使用指南

LIBSVM是较为成熟的支持向量机的函数包（包含C\MATLAB\PYTHON\R等等）
下载网址：http://www.csie.ntu.edu.tw/~cjlin/libsvm/
本文内容基于其官网给出的《A Practical Guide to Support Vector Classication》

---

建议采用步骤（初学者）：

(1)将数据转换为LIBSVM数据格式
LIBSVM数据格式即转换可参考：生成libSVM的数据格式及使用方法总结

事实上，即使不采用这种数据格式，也可以使用libsvm的函数，只是libsvm希望形成一个属于自己的标准，使得数据的使用更加规范化。

例如你使用的数据是500*11（样本属性）和500*1（样本标号）来训练分类器，调用svmtrain（）函数也是没问题的。

（2）数据的缩放
数据缩放直白来说就是中心归一化，目的是使不同属性的取值范围接近，否则其对应的w权重相差较多，优化速度较慢。

以梯度下降法举个简单，例子假如样本只有两个属性[x1,x2],其分别对应权重theta1,theta2。如果x1,x2取值范围差距悬殊，theta1,theta2对应的取值范围为一个椭圆（如下图所示），要经历较长时间才达到极小值。