[035]Java实现SVM对乳腺癌检测数据分类分析

背景简介：

最近在做SVM分类的学习，查看网上大多相关内容都是SVM原理介绍、推导和用终端命令行使用svm-train,svm-predict。具体数据分析实现很少。通过查找资料发现了一个很好的开发库LIBSVM。LIBSVM– A Library for Support Vector Machines是由the National Science Council of Taiwan发布维护的，对SVM进行了很好的封装，对数据分析更加方便，更主要它收集了大量的用于分类、回归、对标签的数据集，从数据角度对SVM进行深层次的学习，地址：https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/。
官方地址：https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 。

准备训练和测试数据：

在LibSVM官网就可以下载到需要的数据集，本例下载的UCI的breast-cancer数据集，训练样本和测试样本的基本格式如下：

<label> <index1>:<value1> <index2>:<value2>

例如：

---

1. 4.000000 1:1099510.000000 2:10.000000 3:4.000000 4:3.000000 5:1.000000 6:3.000000 7:3.000000 8:6.000000 9:5.000000 10:2.000000
2. 4.000000 1:1100524.000000 2:6.000000 3:10.000000 4:10.000000 5:2.000000 6:8.000000 7:10.000000 8:7.000000 9:3.000000 10:3.000000
3. 4.000000 1:1102573.000000 2:5.000000 3:6.000000 4:5.000000 5:6.000000 6:10.000000 7:1.000000 8:3.000000 9:1.000000 10:1.000000

---

链接：https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html#breast-cancer

字段含义：
0.Class: (2 for benign, 4 for malignant)
1. Sample code number: id number
2. Clump Thickness: 1 - 10
3. Uniformity of Cell Size: 1 - 10
4. Uniformity of Cell Shape: 1 - 10
5. Marginal Adhesion: 1 - 10
6. Single Epithelial Cell Size: 1 - 10
7. Bare Nuclei: 1 - 10
8. Bland Chromatin: 1 - 10
9. Normal Nucleoli: 1 - 10
10. Mitoses: 1 - 10

项目部署：

建立JAVA工程，导入LibSVM 的JAR包，要注意还需要导入java文件下的svm_train.java、svm_scale.java和svm_predict.java这三个文件，这三个类其实主要在LibSVM基础上做了进一步封装，把命令行参数转化成了String []类型的函数参数，方便API调用。另外一个svm_tony.java是图形界面可以不导入。

将训练和测试数据文件放在工程下，方便调用。
编写JAVA调用LibSVM API分类代码如下：

import java.io.IOException;

import libsvm.*;

/**JAVA test code for LibSVM
 * @author yangliu
 * @blog http://blog.csdn.net/yangliuy
 * @mail yangliuyx@gmail.com
 */

public class LibSVMTest {
   

    public static void main(String[] args) throws IOException {
        // TODO Auto-generated method stub
        //Test for svm_train and svm_predict
        //svm_train: 
        //    param: String[], parse result of command line parameter of svm-train
        //    return: String, the directory of modelFile
        //svm_predect:
        //    param: String[], parse result of command line parameter of svm-predict, including the modelfile
        //    return: Double, t