LIBSVM学习笔记
SRC: http://www.csie.ntu.edu.tw/~cjlin/libsvm/index.html
version: 3.16, 1/27/2013
-------------------------------------------------------------------------------------------------------------------------------
|#********** 本笔记学习环境,2分类,比如+1类和-1类两类,RBF kernel ***********#
|
t |# 建好学习集'learn.in',存入一个输入文件,输入格式参考软件包的README
o | ||
o | \/
l | tools/checkdata.py # 检查数据正确性
s | ||
/ | \/
e | svm-scale # scale数据,感觉可以提升运算效率
a | ||
s | \/
y | tools/grid.py # v-fold验证模型,检验模型正确性,选择参数
. | ||
p | \/
y | svm-train # 用'learn.in'训练学习,得到model
| ||
| \/
|# 建好测试集'test.in',存入一个输入文件,参考格式同上
| ||
| \/
| svm-predict # 用'test.in'测试model,评价模型的正确性等等
| ||
| \/
|# 建好实验数据集'experiment.in',存入一个文件,参考格式同上
| ||
| \/
| svm-predict # 用评价了的model预测'experiment.in',得到实验结果
| ||
| \/
|# 结合实验,进行下一步数据处理分析
-------------------------------------------------------------------------------------------------------------------------------
注:新版LIBSVM在tools/目录下提供了一个叫easy.py的脚本,一步到位进行上述操作,只有当预测性能不理想时,才需进行上述操作,优化数据与参数
SRC: http://www.csie.ntu.edu.tw/~cjlin/libsvm/index.html
version: 3.16, 1/27/2013
-------------------------------------------------------------------------------------------------------------------------------
|#********** 本笔记学习环境,2分类,比如+1类和-1类两类,RBF kernel ***********#
|
t |# 建好学习集'learn.in',存入一个输入文件,输入格式参考软件包的README
o | ||
o | \/
l | tools/checkdata.py # 检查数据正确性
s | ||
/ | \/
e | svm-scale # scale数据,感觉可以提升运算效率
a | ||
s | \/
y | tools/grid.py # v-fold验证模型,检验模型正确性,选择参数
. | ||
p | \/
y | svm-train # 用'learn.in'训练学习,得到model
| ||
| \/
|# 建好测试集'test.in',存入一个输入文件,参考格式同上
| ||
| \/
| svm-predict # 用'test.in'测试model,评价模型的正确性等等
| ||
| \/
|# 建好实验数据集'experiment.in',存入一个文件,参考格式同上
| ||
| \/
| svm-predict # 用评价了的model预测'experiment.in',得到实验结果
| ||
| \/
|# 结合实验,进行下一步数据处理分析
-------------------------------------------------------------------------------------------------------------------------------
注:新版LIBSVM在tools/目录下提供了一个叫easy.py的脚本,一步到位进行上述操作,只有当预测性能不理想时,才需进行上述操作,优化数据与参数