LIBSVM学习笔记

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