MATLAB环境使用LIBSVM-数据格式解析（二）

简介

使用LIBSVM需要遵循其指定的数据格式组织输入数据。这里就介绍一下如何组织输入数据，将制作好的数据输出和读取。

LIBSVM数据格式

LIBSVM训练数据和检验数据文件格式如下（训练和测试数据的格式必须相同）：

[label] [index1] [value1] [index2] [value2] …
[label] [index1] [value1] [index2] [value2] …

label 目标值，就是说class（属于哪一类），就是你要分类的种类，通常是一些整数。
index 就是索引值，是整数升序排列。
value 就是特征值（属性数据），用来train的数据，通常是一堆实数组成。

类别标签   索引1 属性1 索引2 属性2 …
类别标签   索引1 属性1 索引2 属性2 …
……
类别标签    索引1 属性1 索引2 属性2 …

以自带数据heart_scale为例：

1 1:0.708333 2:1 3:1 4:-0.320755 5:-0.105023 6:-1 7:1 8:-0.419847 9:-1 10:-0.225806 12:1 13:-1
-1 1:0.583333 2:-1 3:0.333333 4:-0.603774 5:1 6:-1 7:1 8:0.358779 9:-1 10:-0.483871 12:-1 13:1
.....
.....

第一行数据，表示训练用的特征有13维，第一维是0.708333，第二维是1，第三维是1，第四维是-0.320755，类别是1

生成LIBSVM数据

因为是在MATLAB环境安装的LIBSVM，我们基于MATLAB使用libsvmwrite函数生成LIBSVM格式的数据。libsvmwrite函数使用方法如下：

libsvmwrite('libsvm_data.mat',label, instance); 

label为目标值，即样本的类别，是一个n*1的矩阵。
instance是一个稀疏矩阵，这里有必要讲解一下稀疏矩阵。

什么是稀疏矩阵，以及稀疏矩阵的表示方式。

在MATLAB中矩阵有两种存储方式：（1）完全存储方式；（2）稀疏存储方式。
完全存储方式，是将矩阵的全部元素按行列存储，也就传统意义中的矩阵存储。
稀疏存储方式，只存储矩阵的非零元素的值及其位置，即行号和列号。
如下所示，A矩阵是完全存储方式，B矩阵是稀疏存储方式。

>> A = magic(3)
A =
     8     1     6
     3     5     7
     4     9     2
>> B = sparse(A)
B =
   (1,1)        8
   (2,1)        3
   (3,1)        4
   (1,2)        1
   (2,2)        5
   (3,2)        9
   (1,3)        6
   (2,3)        7
   (3,3)        2

因为LIBSVM要求的instance为稀疏矩阵，我们可以在MATLAB中先制作出完全存储方式的矩阵，然后用命令sparse转成稀疏矩阵即可。

使用一个简单直白的例子，计划使用身高、体重、头发长度、胸围等特征对样本进行训练并用训练后的模型进行分类。例子：

男生1 身高：176cm 体重：70kg 发长：6cm 胸围：86cm；
男生2 身高：180cm 体重：80kg 发长：5cm 胸围：80cm；
男生3 身高：175cm 体重：69kg 发长：8cm 胸围：90cm；

女生1 身高：161cm 体重：45kg 发长：15cm 胸围：96cm；
女生2 身高：163cm 体重：47kg 发长：35cm 胸围：97cm；
女生3 身高：170cm 体重：43kg 发长：20cm 胸围：93cm；

如果我们将男生标签label设置为1，女生标签为2，即

label = [1; 1; 1; 2; 2; 2];

instance矩阵为

instance = [176 70 6 86; 180 80 5 80; 175 69 8 90; 161 45 15 96; 163 47 35 97; 170 43 20 93];

使用libsvmwrite函数输出LIBSVM格式数据时，需要将instance转成稀疏矩阵，转换方法如下：

instance = sparse(instance);
libsvmwrite('libsvm_data.mat',label, instance); 

完整代码如下：

clc 
clear 
label = [1; 1; 1; 2; 2; 2];
instance = [176 70 6 86; 180 80 5 80; 175 69 8 90; 161 45 15 96; 163 47 35 97; 170 43 20 93];
instance = sparse(instance);
libsvmwrite('libsvm_data.mat',label, instance); 

[data_label,data_instance]=libsvmread('libsvm_data.mat');  
model = svmtrain(data_label,data_instance)   
[predict_label,accuracy,dec_values] = svmpredict(data_label,data_instance,model) 

运行结果：

*.*
optimization finished, #iter = 7
nu = 0.998470
obj = -2.995923, rho = 0.001631
nSV = 6, nBSV = 1
Total nSV = 6

model = 

  包含以下字段的 struct:

    Parameters: [5×1 double]
      nr_class: 2
       totalSV: 6
           rho: 0.0016
         Label: [2×1 double]
    sv_indices: [6×1 double]
         ProbA: []
         ProbB: []
           nSV: [2×1 double]
       sv_coef: [6×1 double]
           SVs: [6×4 double]

Accuracy = 100% (6/6) (classification)

如果班级中新来了一个同学，我们知道这位新同学的身体特征，如何用训练好的model判断这位同学的性别呢？

这位新同学的身体特征为，男生1 身高：165cm 体重：65kg 发长：3cm 胸围：80cm；

new_label = [1];
new_instance = [165 65 3 80];
[predict_label,accuracy,dec_values] = svmpredict(new_label,new_instance,model) 

预测结果，从结果看很不幸这个小男孩被预测判断为女生了（predict_label = 2）

>> new_label = [1];
new_instance = [165 65 3 80];
[predict_label,accuracy,dec_values] = svmpredict(new_label,new_instance,model)
Accuracy = 0% (0/1) (classification)
predict_label = 
    2
accuracy =
     0
     1
   NaN
dec_values =
   -0.0016

参考
https://www.cnblogs.com/codingmengmeng/p/6254325.html