LIBSVM学习（七）--参数解释

最近学习libsvm库，将一些个人认为可以mark的东西做了记录，虽然README文档很清晰，但是在这篇文章中列出了dual problemd和核函数的公式，这样在选择参数时更加清楚。刚开始学习LIBSVM库时直接一脸懵，现在也还是在不断摸索中，如若有理解错误，请指出哦，谢谢！

Libsvm 使用步骤：
1. 按照libsvm要求的数据格式，将要训练和预测的数据准备好；http://blog.csdn.net/u014772862/article/details/51828981
2. 使用svm-scale实现数据缩放，可有可没有，需要按照特征的相关性进行操作；
3. 考虑svm-train时是否使用核函数以及核函数的选择，建议首先考虑RBF核函数；
4. 采用grid.py选择最优参数c和g；http://blog.csdn.net/u014772862/article/details/51829727
5. 设置svm-train参数，对整个数据集训练获取svm模型；
6. 利用svm-predict加载训练好的模型进行测试与预测。

1. svmscale 的用法

对数据集缩放的目的在于：
1）避免原始数据中部分特征范围过大而另一部分特征范围过小；
2）避免在训练时选择核函数计算内积时引起数值计算的困难；
3）加快训练速度，提高准确率。
因此，将数据缩放到[-1,1]或者[0,1]之间。

用法：svm-scale [options] data_filename”
其中，options选择如下：
-l lower，数据下限标记，设置lower值表示缩放后数据下限，默认为-1；
-u upper，数据上限标记，设置upper值表示缩放后数据上限，默认为1；
-y y_lower y_upper，是否对目标值同时进行缩放，y_lower 表示下限值， y_upper表示上限值；
-s save_filename，将缩放的规则保存为文件save_filename；
-r restore_filename，表示将缩放规则文件restore_filename载入后按此缩放；
fi