libsvm学习

LibSVM学习LibSVM学习2011年11月17日LibSVM学习 初识LibSVM LibSVM是台湾 林智仁(Chih-Jen Lin's) 教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。 由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。 这套库可以从林智仁的home page上免费获得，目前已经发展到3.0版。下载.zip格式的版本，解压后可以看到，主要有5个文件夹和一些c+源码文件。 Java 主要是应用于java平台的源码和libsvm.jar包； Python 是用来参数优选的工具，稍后介绍； svm-toy 一个可视化的工具，用来展示训练数据和分类界面，里面是源码，其编译后的程序在windows文件夹下； tools 主要包含四个python文件，用来数据集抽样(subset.py)，参数优选（grid.py），集成测试(easy.py), 数据检查(checkdata.py)； windows 包含libSVM四个exe程序包，我们所用的库和程序就是它们。 其他.h和.cpp文件都是程序的源码，可以编译出相应的.exe文件。其中，最重要的是svm.h和svm.cpp文件，svm-predict.c、svm-scale.c和svm-train.c（还有一个svm-toy.cpp在svm-toyqt文件夹中）都是调用的这个文件中的接口函数，编译后就是windows下相应的四个exe程序。另外，里面的 README 跟 FAQ 也是很好的文件，对于初学者如果E文过得去，可以看一下。 下面以svm-train为例，简单的介绍下，怎么编译：（这步很简单，也没必要，对于仅仅使用libsvm库的人来说，windows下的4个exe包已经足够了，之所以加这步，是为了那些做深入研究的人，可以按照自己的思路改变一下svm.cpp，然后编译验证） 我用的是VC 6.0，新建一个控制台（win32 console application）程序，程序名叫svmtrain（这个可以随意），点击OK后，选择empty。 进入程序框架后，里面什么都没有，然后找到你的程序目录，把svm-train.c、svm.h和svm.cpp拷贝过去（.c文件是c语言的，要是你习惯了c+，你尽可以改成.cpp），然后把这3个文件添加到工程，编译。如果没错误，到debug下面看看，是不是有个svm-train.exe。其实windows下的svm-train.exe就是这样编译出来的。 哈哈，怎么样是不是很简单。但是，这样的程序直接运行没意义，他要在dos下运行，接收参数才行。下面开始我们的libsvm的体验之旅。 第一次体验libSvm 1. 把LibSVM包解压到相应的目录（因为我只需要里面windows文件夹中的东东，我们也可以只把windows文件夹拷到相应的目录），比如D:libsvm。 2. 在电脑"开始"的"运行"中输入cmd，进入DOS环境。定位到D:libsvmwindows目录下，具体命令如下: (上面第一行是先定位到盘符d，第二行cd 是定位到相应盘符下的目录) 3. 进行libsvm训练，输入命令：(这里要注意文件的名字，2.89以前版本都是svmtrain.exe) svm-train heart_scale train.model PS：heart_scale 是目录下的已经存在的样本文件（此处将下载的压缩文件中的heart_scale放置入D:libsvmwindows下即可），要换成自己的文件，只需改成自己的文件名就可以了。 PS：train.model 是创建的结果文件，保存了训练后的结果。 #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(0<ai<c)，nBSV为边界上的支持向量个数(ai=c); Total nSV为支持向量总个数（对于两类来说，因为只有一个分类模型Total nSV = nSV，但是对于多类，这个是各个分类模型的nSV之和）。 在目录下，还可以看到产生了一个train.model文件，可以用记事本打开，记录了训练后的结果。 svm_type c_svc /所选择的svm类型，默认为c_svc kernel_type rbf /训练采用的核函数类型，此处为RBF核 gamma 0.0769231 /RBF核的参数 nr_class 2 /类别数，此处为两分类问题 total_sv 132 /支持向量总个数 rho 0.424462 /判决函数的偏置项b label 1 -1 /原始文件中的类别标识 nr_sv 64 68 /每个类的支持向量机的个数 SV /以下为各个类的权系数及相应的支持向量 到现在，第一次体验libsvm到这就基本结束了，其他的两个(svm-predict、svm-scale)的使用过程类似。怎么样，挺爽的吧。对于个别参数你还不理解，没关系，下面我们会具体讲到。 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: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，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-SVC 1 v-SVC 2 one-class-SVM 3 -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(-*|u-v|2) 3 - sigmoid 核：tanh(*u'*v+ coef 0) -d degree: 设置多项式核中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：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 tes