使用libsvm分类和预测详细说明（python）

Libsvm使用详细介绍

optimization finished, #iter= 162    //iter为迭代次数，

nu = 0.431029                   //nu是你选择的核函数类型的参数

obj = -100.877288, rho =0.424462   // rho为判决函数的偏置项b

// obj为SVM文件转换为的二次规划求解得到的最小值

nSV = 132, nBSV = 107            // 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 = 132

//TotalnSV为支持向量总个数（对于两类来说，因为只有一个分类模型TotalnSV = nSV，但是对于多类，这个是各个分类模型的nSV之和）。

用法：

svmscale[-l lower] [-u upper]      //将数据进行归一化处理

[-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；

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

     -rrestore_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。

首先打开cmd，进入libsvm>windows文件夹

默认情况下，只需要输入要缩放的文件名就可以了：比如(已经存在的文件为test.txt)