【学习笔记】libsvm入门

·  参考了libsvm官方guide
·  建议流程：
许多初学者使用如下的步骤：
·  将数据转换成SVM程序包的格式
·  随机的尝试一些核函数和参数
·  测试
而我们建议初学者先尝试如下的步骤：
·  将数据转换成SVM格式包的格式
·  对数据进行简单的缩放处理（scaling）
·  考虑RBF核：LibSVM分类的实用指南
·  使用交叉验证（cross-validation）寻找最佳参数C和Υ
·  使用最佳参数C和Υ来训练整个训练集
·  测试

所以实验的时候采用的步骤是：

1）按照LIBSVM软件包所要求的格式准备数据集；                                    

2）对数据进行缩放；                                   

3）考虑选用RBF 核函数；

4）采用交叉验证选择最佳参数C与g ；

5）采用最佳参数C与g 对整个训练集进行训练获取支持向量机模型；

6）利用获取的模型进行测试与预测

注意libsvm在matlab和C下面使用的数据集是不太一样的，matlab里面直接使用的是矩阵，在c里面直接使用的是稀疏矩阵，两者可以相互生成，生成的方式在下文附录中

1）LIBSVM软件包所要求的格式如下：

[label] [index1]:[value1] [index2]:[value2] ...

[label] [index1]:[value1] [index2]:[value2] ...

label对应样本标签就是样本的类别，index可以理解为第几个特征，value就是对应特征的特征值

2）对数据进行缩放

由于数据可能存在过大或过小的问题，所以将数据缩放到合理的范围之内进行训练和分类，但要注意的是，训练和分类进行缩