LibSVM工具实现决策树训练

一.下载LibSVM

传送门：https://www.csie.ntu.edu.tw/~cjlin/libsvm/

二.使用LibSVM制作鸢尾花数据集

将下载的压缩文件解压如下：

该文件夹中有多种语言的代码，可自行根据自己的需要进行使用。

点击windows文件夹，在文件夹中找到名为svm-toy.exe的运行程序并运行

手动绘制数据集的点：
使用时，在程序运行框内点击鼠标左键就能打点，点击Change后能够换颜色，最后点击Save将数据保存为train.txt。

在原有基础上再次添加一点数据，保存为test.txt。

三.利用上述数据集实现模型训练并写出决策函数的数学公式

打开IDEA，新建java项目，将压缩文件下java文件夹下的libsvm文件夹所有内容拷贝到项目src中，并将

如下文件也拷贝过去：

并新建一个Test类。

IDEA项目结构如下：

为Test添加代码：

package Demo;
import java.io.IOException;

    class test {
        public static void main(String args[]) throws IOException {
            //存放数据以及保存模型文件路径
            String filepath = "D:\\libdemo\\";
            /*
             * -s 设置svm类型：默认值为0
             *          0– C-SVC
             *          1 – v-SVC
             *          2 – one-class-SVM
             *          3 –ε-SVR
             *          4 – n - SVR
             *
             * -t 设置核函数类型，默认值为2
             *          0 --线性核
             *          1 --多项式核
             *          2 -- RBF核
             *          3 -- sigmoid核
             *
             * -d degree:设置多项式核中degree的值，默认为3
             *
             * -c cost：设置C-SVC、ε-SVR、n - SVR中从惩罚系数C，默认值为1；
             */
            String[] arg = {"-s","0","-c","10","-t","0",filepath+"test2.txt",filepath+"line.txt"};
            String[] arg1 = {filepath+"test.txt",filepath+"line.txt",filepath+"predict1.txt"};
            System.out.println("----------------线性-----------------");
            //训练函数
            svm_train.main(arg);
            svm_predict.main(arg1);


            arg[5]="1";
            arg[7]=filepath+"poly.txt";//输出文件路径
            arg1[1]=filepath+"poly.txt";
            arg1[2]=filepath+"predict2.txt";
            System.out.println("---------------多项式-----------------");
            svm_train.main(arg);
            svm_predict.main(arg1);

            arg[5]="2";
            arg[7]=filepath+"RBF.txt";
            arg1[1]=filepath+"RBF.txt";
            arg1[2]=filepath+"predict3.txt";
            System.out.println("---------------高斯核-----------------");
            svm_train.main(arg);
            svm_predict.main(arg1);

        }
    }

运行项目，结果如下：



决策函数：

公式：f(x)=SV*x+rho

SV的值在生成的txt文件内。
在路径D:\libdemo下可以看到生成了如下文件：

它们分别是使用LibSVM工具进行线性，多项式，高斯核这三种分类训练后得到的数据文件，任意打开一个文件如下：

四.参考文章

LibSVM工具实现决策树训练
LIBSVM使用说明、简介及感悟