java libsvm使用_libsvm java版本使用心得(转)

http://blog.csdn.net/u010340854/article/details/19159883

https://github.com/cjlin1/libsvm

项目中要用到svm分类器,自己实现的话太费时间,于是寻找开源实现,找到了libsvm。

Java版本是一个jar包,引入到工程中即可使用。

需要注意的是,java版本充满了c++风格(类名小写,命名使用下划线_分隔等等),使用者需要稍微适应一下。

核心类是svm类,最常用的几个方法如下(都是static方法):

svm.svm_load_model(String),望文生义即可知是加载已训练好的svm模型,参数是模型文件名。

svm.svm_save_model(String,svm_model),按指定的名称保存模型。

svm.svm_train(svm_problem,svm_parameter),训练模型,该方法有两个参数svm_problem,保存了训练数据,包括数据数,特征数组,类别数组。参数svm_parameter用户设置svm的一些参数,例如svm_type设置svm类型,kernel_type设置核函数类型等。训练时需要注意的是,如果你的训练数据比较多,训练时间可能很长。

svm.svm_predict(svm_model,svm_node[])和svm.svm_p

redict_probability(svm_model,svm_node[],double[]),都用于预测类别,不同的是后一个方法同时包含了预测类别的概率。

下面给出完整的demo:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
libsvm是一个常用的支持向量机(SVM)库,用于分类和回归任务。下面是一个简单的libsvm使用教程: 1. 安装libsvm:你可以从libsvm官方网站上下载最新版本libsvm库,并按照指示进行安装。 2. 数据准备:libsvm使用特定的数据格式。对于分类任务,数据应该是一个文本文件,每一行代表一个样本,以空格分隔特征和特征值。例如: ``` label1 feature1:value1 feature2:value2 ... label2 feature1:value1 feature2:value2 ... ``` 对于回归任务,数据的格式与分类任务类似,但标签是连续的实数。 3. 数据加载:使用libsvm提供的API加载数据。在C++中,你可以使用`svm_problem`结构来存储训练数据。使用`svm_load_problem`函数从文件中加载数据,并将其换为`svm_problem`结构。 4. 参数设置:选择合适的参数配置。libsvm提供了一系列参数,如SVM类型、核函数、惩罚系数等。你可以通过交叉验证或其他方法来选择最佳参数配置。 5. 模型训练:使用训练数据和参数配置来训练SVM模型使用`svm_train`函数,将训练数据和参数作为输入,得到一个训练好的模型。 6. 模型预测:使用训练好的模型进行预测。对于分类任务,使用`svm_predict`函数,将测试数据作为输入,得到预测结果。对于回归任务,使用`svm_predict_values`函数,得到预测的连续值。 以上是libsvm的基本使用教程。你可以参考libsvm的文档和示例代码,进一步学习和使用libsvm库。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值