Libsvm工具包的使用笔记

对于LIBSVM包的使用说明：

1. 第一步，要进行数据格式的预处理，通过matlab中xlsx_txt.m文件将Excel表格文件转换成txt文本文件，然后用libsvmtransform.m文件将数据处理成LIBSVM包能处理的格式。具体代码如下：

   %%%%%将svr.xlsx数据转化为svr.txt格式数据
   clear;clc
   [a,b,c] = xlsread('.\data\svr.xlsx');
   fid = fopen('.data\svr.txt','w');
   for i = 1:length(b)
       fprintf(fid, '%s\t',b{1,i});
   end
   fprintf(fid,'\r\n'); %\r是回车，表示使光标下移一格,\n是换行，表示使光标到行首
   [row,col] = size(a);
   for i = 1:row
       for j = 1:col
           fprintf(fid,'%d\t',a(i,j));
       end
       fprintf(fid,'\r\n');
   end
   fclose(fid);
   
   
   %%%%%  libsvmtransform.m函数  %%%%%%%
   function libsvmtransform(A,filename)
   [m,n]=size(A);
   txt='.txt';
   file=[filename,txt];
   fid = fopen(file,'w');%写入文件路径
   
   for i=1:m
       temp1 = A(i,2:n);%存储A中每一行从第2位开始的值
       temp2 = [];
       for j = 1:length(temp1)
          if temp1(j) ~= 0
               temp2 = [temp2 ' ' num2str(j) ':' num2str(temp1(j))];
          else
               temp2 = [temp2];
          end
       end  % temp2存放A一行添加序号的结果
   temp3 = [num2str(A(i,1)) temp2];%temp3存放最终一行的结果
   [m1,n1] = size(temp3);
    for k = 1:n1
        if k == n1
            fprintf(fid,'%c\n',temp3(k));
        else
            fprintf(fid,'%c',temp3(k));
        end
    end
   end
   fclose(fid);
   
   
   
   %%%%%%%%%%%    上述函数的使用   %%%%%%%%%%
   a= textread('svr.txt');%第一步转化得到的文本文件
   libsvmtransform(a,'svm')调用上述函数 得到svm.txt文件 符合Libsvm格式的数据
   
   

   检测数据格式是否转化成功？先将转换好的数据文件放到指定文件夹中，将svm.txt 文件复制到libsvm文件夹下的tools文件夹中。（在运行checkdata.py文件时 可能会报错 未找到python38.dll,原因是没有安装python运行环境，如果安装了，那就是因为没有配置环境变量，环境变量配置参考这篇环境变量配置博客。

2. 第二步，将处理后的文件放到Libsvm安装路径下的tools中和windows中。然后输入命令“checkdata.py 文件名.txt”回车，若显示“No error”，则表示数据格式正确。
3. 第三步，用svm-scale.exe对数据集进行归一化处理。具体操作，打开“命令提示符”，进入libsvm中的windows下，输入命令“svm-scale.exe -l 0 -u 1 文件名.txt>输出归一化后的文件.txt”
4. 第四步，用grid.py搜索最优参数，主要是c和g。集体操作，在"cmd", 输入“python grid.py 输出归一化后的文件.txt”
5. 第五步，用svm-train训练模型。打开命令提示符，进入……\libsvm\windows然后输入“svm-train -s 3 -t 2 -c 1024.0 -g 4 .0 -p 0.0625 data.txt”,这里-s是选择SVM的类型。对于回归来说，只能选3或者4，3表示epsilon-support vector regression, 4表示nu-support vector regression。-t是选择核函数，通常选用RBF核函数。然后c,g,p我们已经寻出，直接运行即可。
6. 这时在windows中会生成一个data.txt.model文件。可以用来进行下面的预测了。
7. 第六步，用svm-predict预测。还是在命令提示符windows下输入“svm-predict  test.txt  data.txt.model out.txt”
8. 可以看到，第一行是均差，第二行是相关系数，预测结果还是不错的。如果预测结果不好，一可能是你的参数选择不当，还可能是你的特征值选择的有问题。
9. 另外，在windows下会生成一个out.txt文件，可以打开看一下和test.txt文件的差别。