理解支持向量机（四）LibSVM工具包的使用

LibSVM是一款简单易用的支持向量机工具包，包含了C和Java的开发源码。大家可以访问其官网进行了解和下载相关文件。
这里以其官网的第一个数据集a1a 为例，练习使用多项式核和径向基核来对数据集进行分类。

1、准备工作
由于从官网下的最新的2015.12月发布的libsvm-3.21版本中已生成的exe文件不支持Windows32位系统，所以使用的之前的一版libsvm-3.20。将其下下来打开，里面包含了以下文件：

其中data里面放的是LibSVM分享的数据集a1a；
gnuplot是一个图像绘画工具，可以将数据可视化。直接点击进行安装，路径可以自己选择，本例中安装路径为F:\Program Files\gnuplot。

libsvm-3.20是一个已开发好的集成工具包，我们拿来直接用。将libsvm-3.20压缩包解压，路径可以自己选择，本例中解压路径为F:\Program Files\libsvm-3.20。
打开tools文件夹，然后分别打开easy.py和grid.py，将easy.py中出现在else语句中的gnuplot_exe和 grid.py中self.gnuplot_pathname修改为gnuplot.exe所在路径，如下：

现在还差一个工具，就是python。没有安装python的可以从python官网 下载安装。路径可以自己选择，本例中安装路径为F:\Program Files\Python。
以上几步完成后，准备工作就结束了。

2、LibSVM的使用
0. 如果数据集较小的话，可以直接在libsvm-3.20中的tools 文件夹下使用命令：python easy.py training_file [testing_file]。否则处理过程如下：
1. 使用网格搜索grid.py训练出最优参数惩罚因子C和参数g,g也就是核函数公式中的$\gamma$。 步骤如下：
首先将data中的两个数据集文件复制到刚解压的libsvm-3.20中的tools 文件夹下，然后打开cmd命令行，通过cd进入到tools文件夹下，输入如下命令，如图：

按回车后，程序开始执行，执行结束后，会出现如下结果：

最后一行三个数字分别表示，寻找到的最优参数C=2.0，g=0.0078125，准确率=82.9907。
同时会在tools文件夹下生成一个gnuplot画出结果图片，如下：

可以看到，gnuplot是对数据的可视化表示。

2 训练模型
在获得最优参数后，我们就可以对训练数据集进行训练，来获得训练模型,步骤如下：
首先从cmd命令行中进入libsvm-3.20中的windows文件夹，可以看到文件夹中有svm-toy.exe、svm-scale.exe、svm-train.exe、svm-predict.exe四个可执行文件，其中：
svm-toy.exe是一个可视化应用程序，显示了对平面中数据点的分类。有change、run、clear、save、load及参数设置框，默认最大分类数为3，大家可以点点看，效果如下：

svm-scale.exe是对输入的数据特征进行归一化缩放,从而避免某些过大或过小特征值对分类效果的影响。使用方式如下：
svm-scale [options] data_filename，其中options列表有以下几种：
-l lower : x缩放最小值，默认为-1
-u upper : x缩放最大值，默认为1
-y y_lower y_upper : y scaling limits (default: no y scaling)
-s save_filename : save scaling parameters to save_filename
-r restore_filename : restore scaling parameters from restore_filename

svm-train.exe对训练集训练，产生训练模型。使用方式如下：
svm-train [options] training_set_file [model_file]，其中常用options列表有以下几种：
-s svm_type : SVM类型 (默认0)
0 – C-SVC (多类分类器)
1 – nu-SVC (多类分类器)
2 – one-class SVM
3 – epsilon-SVR (回归)
4 – nu-SVR (回归)
-t kernel_type : 核函数类型 (默认 2)
0 – 线性核：