1、LibSVM 使用规范其实，这部分写也是多余，google 一下“libsvm 使用” ，就会 N 多的资源，但是，为了让你少费点心，在这里就简单的介绍一下，有不清楚的只有动动你的 mouse 了。需要说明的是，2.89版本以前，都是 svmscale、svmtrain 和 svmpredict，最新的是 svm-scale、svm-train 和 svm-predict，要是用不习惯，只需要把那四个 exe 文件名去掉中间的短横线，改成 svmscale、svmtrain 和 svmpredict 就可以了，我们还是按原来函数名的讲。1. libSVM 的数据格式Label 1:value
2、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比如: -15 1:0.708 2:1056 3:-0.3333需要注意的是，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表明第2个特征值为 0，从编程的角度来说，这样做可以减少内存的使用，并提高做矩阵内积时的运算速度。我们平时在 matlab 中产生的数据都是没有序号的常规矩阵
3、，所以为了方便最好编一个程序进行转化。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
4、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。默认情况下，只需要输入要缩放的文件名就可以了：比如(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
5、来的数据就被覆盖了，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，我们就可以看到目录下多了一个 out.txt 文件，那就是规范后的数据。假如，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svmtrain 我们在前面已
6、经接触过，他主要实现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-SVC1 v-SVC2 one-class-SVM3 -SVR4 n - SVR-t 设置核函数类型，默认值为20 - 线性核：u*v1 - 多项式核： (g*u*v+ coef 0)degree2 - RBF 核：exp(-*|u-v|2)3 - sigmoid 核：tanh( *u*v+ coef 0)-d degree: 设置多项
7、式核中 degree 的值，默认为3-g: 设置核函数中 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、-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 ：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 ：设置终止准则中的可容忍偏差，默认值为0.001；-h shrinking
8、：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.model,则命令为：svmtrain test.txt test.model结果说明见 LibSVM 学习（二） 。4. svmpredict 的用法svmpredict 是根
9、据训练获得的模型，对数据集合进行预测。用法：svmpredict options test_file model_file output_file其中，options 为操作参数，可用的选项即表示的涵义如下所示:-b probability_estimates是否需要进行概率估计预测，可选值为0 或者1 ，默认值为0。model_file 是由 svmtrain 产生的模型文件；test_file 是要进行预测的数据文件，格式也要符合 libsvm 格式，即使不知道 label 的值，也要任意填一个，svmpredict 会在 output_file 中给出正确的 label 结果，如果知道label 的值，就会输出正确率；output_file 是 svmpredict 的输出文件，表示预测的结果值。至此，主要的几个接口已经讲完了，满足一般的应用不成问题。对于要做研究的，还需要深入到 svm.cpp 文件内部，看看都做了什么。
