libsvm的安装和使用(1)
LIBSVM在64位电脑系统下,不用进行编译(mex –setup等)即可使用。只需要进入mex文件所在的文件夹即可调用相应的方法。
本文所使用的是libsvm-3.17,在我的资源分享页面中可以下载。
1.安装
(1)将下载下来的libsvm放在MATLAB安装的toolbox文件夹下。如下图所示:
(2)在MATLAB的地址栏中找到mex64文件所在的位置一般是放在Windows文件夹中,如下图所示:
(3)测试:将heart_scale文件放在Windows文件夹下;
命令窗口输入:[heart_scale_label, heart_scale_inst] = libsvmread('heart_scale'); %这里的 libsvmread()对应libsvmread.mex64文件
model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');%这 里的svmtrain()对应svmtrain.mex64文件
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label,hea rt_scale_inst, model);% 这里的svmpredict()对应svmpredict.mex64文件
输出结果如下图所示,则表明Libsvm工具可以使用。
#iter为迭代次数,nu是你选择的核函数类型的参数,obj为SVM文件转换为的二次规划求解得到的最小值,rho为判决函数的偏置项b,nSV为标准支持向量个数
2.使用
(1) libSVM的数据格式
Label 1:value 2:value ….
Label:是类别的标识,比如上节train.model中提到的1 -1,你可以自己随意定,比如-10,0,15。当然,如果是回归,这是目标值,就要实事求是了。
Value:就是要训练的数据,从分类的角度来说就是特征值,数据之间用空格隔开
注:如果特征值为0,特征冒号前面的(姑且称做序号)可以不连续。如:
-15 1:0.708 3:-0.3333
(2)svmscale的用法
svmscale是用来对原始样本进行缩放的,范围可以自己定,一般是[0,1]或[-1,1]。缩放的目的主要是
1)防止某个特征过大或过小,从而在训练中起的作用不平衡;
2)为了计算速度。因为在核计算中,会用到内积运算或exp运算,不平衡的数据可能造成计算困难。
用法:svmscale [-l lower] [-u upper]
[-y y_lower y_upper]
[-s save_filename]
[-r restore_filename] filename
其中,[]中都是可选项:
-l:设定数据下限;lower:设定的数据下限值,缺省为-1
-u:设定数据上限;upper:设定的数据上限值,缺省为 1
-y:是否对目标值同时进行缩放;y_lower为下限值,y_upper为上限值;
-s save_filename:表示将缩放的规则保存为文件save_filename;
-r restore_filename:表示将按照已经存在的规则文件restore_filename进行缩放;
filename:待缩放的数据文件,文件格式按照libsvm格式。
e.g.默认情况下,只需要输入要缩放的文件名:(已经存在的文件为test.txt)
svmscale test.txt
这时,test.txt中的数据已经变成[-1,1]之间的数据了。但是,这样原来的数据就被覆盖了,
e.g.为了让规划好的数据另存为其他的文件,我们用一个dos的重定向符 > 来另存为(假设为out.txt):
svmscale test.txt > out.txt
运行后,out.txt文件就是规范后的数据。
e.g.我们想设定数据范围[0,1],并把规则保存为test.range文件:
svmscale –l 0 –u 1 –s test.range test.txt > out.txt
这时,目录下又多了一个test.range文件,可以用记事本打开,下次就可以用-r test.range来载入了。
(3) svmtrain的用法
svntrain对训练数据集的训练,并可以获得SVM模型。
用法: svmtrain [options training_set_file model_file]
其中,options为操作参数,可用的选项即表示的涵义如下所示:
-s 设置svm类型:
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:u'*v
1 -- 多项式核: (g*u'*v+ coef 0)degree
2 -- RBF 核:exp(-γ*||u-v||2)
3 -- sigmoid 核:tanh(γ*u'*v+ coef 0)
-d degree: 设置多项式核中degree的值,默认为3
-gγ: 设置核函数中γ的值,默认为1/k,k为特征(或者说是属性)数;
-r coef 0:设置核函数中的coef 0,默认值为0;
-c cost:设置C-SVC、ε-SVR、n - SVR中从惩罚系数C,默认值为1;
-n v :设置v-SVC、one-class-SVM 与n - SVR 中参数n ,默认值0.5;
-p ε :设置v-SVR的损失函数中的e ,默认值为0.1;
-m cachesize:设置cache内存大小,以MB为单位,默认值为40;
-e ε :设置终止准则中的可容忍偏差,默认值为0.001;
-h shrinking:是否使用启发式,可选值为0 或1,默认值为1;
-b 概率估计:是否计算SVC或SVR的概率估计,可选值0 或1,默认0;
-wi weight:对各类样本的惩罚系数C加权,默认值为1;
-v n:n折交叉验证模式;
model_file:可选项,为要保存的结果文件,称为模型文件,以便在预测时使用。
默认情况下,只需要给函数提供一个样本文件名就可以了,但为了能保存结果,还是要提供一个结果文件名,比如:test.mod el,则命令为: svmtrain test.txt test.model
(4)svmpredict的用法
svmpredict是根据训练获得的模型,对数据集合进行预测。
[predict_label, accuracy, prob_values] = svmpredict(testLabel, testData, model, ‘-b 1’); % run the SVM model on the test data
a记录了对应样本识别出来的类别
b正确率以及模型参数
c分类概率
3.经典案例
出现的错误及其原因总结
错误:SVMTRAIN only supports classification into two groups. GROUP contains 21 groups.
原因:没有导入libsvm工具箱,重复安装中的2步骤,运行时要添加到路径。
case1:
%%clean work
tic;%记录运行时间
close all;%关闭所有figure窗口
clear;%清空变量
clc;%清空命令
format compact;%空格紧凑%生成待回归的数据
x = (-1:0.1:1)';
y = -x.^2;%建立回归模型
model = svmtrain(y,x,'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01');%利用建立的模型看其在训练集上的回归效果
[py,mse,prob] = svmpredict(y,x,model,'-b 0');
figure;%建立一个窗口
plot(x,y,'o');%原始数据以o这种形式标记
hold on;%保持当前图像不刷新
plot(x,py,'r*');%回归数据以红色的*标记
legend('原始数据','回归数据');%设置图例线条
grid on;%画图的时候添加网格线%进行预测
testx = [1.1;1.2;1.3];
display('真实数据');%控制台输出
testy = -testx.^2
[ptesty,tmse,prob2] = svmpredict(testy,testx,model,'-b 0');
display('预测数据');
ptestytoc
运行结果:
原博主是通过y=-x^2这个表达式进行训练,在图像上显示原始数据和回归数据。
case2:
libsvm的安装和使用(1)相关推荐
- Anaconda 下libsvm的安装
方法一. 利用VS生成动态库的安装 详细可参考这篇博文进行操作:https://blog.csdn.net/jeryjeryjery/article/details/72628255 方法二. ...
- LIBSVM工具箱安装
LIBSVM工具箱安装 最近在matlab上安装LIBSVM工具箱,发现了一个很好的安装教程,分享一下,附上链接. LIBSVM工具箱安装: https://www.cnblogs.com/Ran-C ...
- libsvm python_win10环境下python版libsvm的安装
1.前言 由于毕业设计需要用到libsvm,所以最近专心于配置libsvm,曾经尝试过在matlab中安装,但是没有成功.最终在Python环境中完成安装. 2.LIBSVM介绍 LIBSVM 是台湾 ...
- libsvm的安装和使用【转载】
最近在学习SVM,在matlab上安装和使用Libsvm的过程中遇到了好多问题,在网上查看了许多资料,踩了许多坑. 整理一下供大家分享,希望能节省大家在安装过程中的时间. 一.安装 1.libsvm ...
- linux下安装libsvm_Linux下libsvm的安装及简单练习
引文:经常在看paper的时候,就看到svm算法,但是要自己来写真的是难于上青天呀!所幸有一个libsvm的集成软件包给我们使用,这真的是太好了.下面简单介绍下怎么来使用它吧! LIBSVM是一个集成 ...
- libsvm for matlab安装与测试
1.libsvm下载: libsvm官方版http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 这里我下的是最新版的libsvm Version3.21(2015年12月 ...
- MATLAB安装libsvm工具箱的方法
亲测可行的方法,原文地址:https://www.cnblogs.com/Ran-Chen/p/9462825.html 支持向量机(support vector machine,SVM)是机器学习中 ...
- 高人对libsvm的经典总结(全面至极)
http://www.ilovematlab.cn/viewthread.php?tid=74019&sid=vYpSs5 SVM相关资源汇总[matlab-libsvm-class-regr ...
- pythonlocust使用方法_python locust 性能测试:locust安装和一些参数介绍
安装参考 https://www.cnblogs.com/fnng/p/6081798.html ps:python3.7暂不支持locust:python3安装建议克隆github上的项目 可能需要 ...
最新文章
- displaytag 导出
- WCF - Session 剖析
- Notepad++V6.8.1.0中文版
- flutter-Text 以字符的方式截断
- boost::hana::integral_c用法的测试程序
- mysql中case when then 的使用
- 一个常见的物理现象,直今还是未解之谜!
- java单例模式之线程安全问题
- JavaScript常用数组操作
- MTK 驱动开发(2)---GPIO 配置
- 操作系统中的互斥锁与条件变量
- 前端解决跨域的九种方法
- 【React Native 实战】微信登录
- 第 25 章 Build tool
- 零基础自学Java要多久,是不是很难?
- ArcGIS\QGIS无插件加载(无偏移)MapBox高清影像图
- Chrome谷歌浏览器兼容性视图设置
- 推荐一个软件分享资源站
- 1 语言模型和词向量
- js 按钮实现跳转页面 jsp html
热门文章
- 【每日一包0015】gradient-string
- 用掘金-Markdown 编辑器写文章
- MonkeyRunner在Windows下的Eclipse开发环境搭建步骤(兼解决网上Jython配置出错的问题)...
- Spring Data JPA 教程(翻译)
- VIM中常用的替换模式总结
- 实践编译LINUX0.11源码,感觉真爽。
- flex使用FlexPrintJob打印问题
- MySQL数据库引擎快速指导
- Discuz!NT控件剖析 之 Button [原创: 附源码]
- 提取DVD视频盘的资源