1.文件中数据格式

label index1:value1 index2:value2 ...

Label在分类中表示类别标识，在预测中表示对应的目标值

Index表示特征的序号，一般从1开始，依次增大

Value表示每个特征的值

例如：

3 1:0.122000 2:0.792000

3 1:0.144000 2:0.750000

3 1:0.194000 2:0.658000

3 1:0.244000 2:0.540000

3 1:0.328000 2:0.404000

3 1:0.402000 2:0.356000

3 1:0.490000 2:0.384000

3 1:0.548000 2:0.436000

 数据文件准备好后，可以用一个python程序检查格式是否正确，这个程序在下载的libsvm文件夹的子文件夹tools下，叫checkdata.py,用法：在windows命令行中先移动到checkdata.py所在文件夹下，输入：checkdata.py 你要检查的文件完整路径（包含文件名）

回车后会提示是否正确。

2.对数据进行归一化。

    该过程要用到libsvm软件包中的svm-scale.exe

    Svm-scale用法：

用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename     （缺省值： lower = -1，upper = 1，没有对y进行缩放） 

 其中， -l：数据下限标记；lower：缩放后数据下限； 

        -u：数据上限标记；upper：缩放后数据上限； 

        -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；（回归需要对目标进行缩放，因此该参数可以设定为 –y -1 1 ） 

        -s save_filename：表示将缩放的规则保存为文件save_filename； 

        -r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放； 

        filename：待缩放的数据文件（要求满足前面所述的格式）。

    数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的文件重定向符号“>”将结果另存为指定的文件。该文件中的参数可用于最后面对目标值的反归一化。反归一化的公式为：

    （Value-y_lower）*（max-min）/(y_upper - y_lower)+min

其中value为归一化后的值，max，min分别是归一化之前所有目标值的最大值和最小值，其他参数与前面介绍的相同。

    注意：    将训练数据集与测试数据集放在同一个文本文件中一起归一化，然后再将归一化结果分成训练集和测试集。

3.训练数据，生成模型。

    用法： svmtrain [options] training_set_file [model_file]

     其中， options（操作参数）：可用的选项即表示的涵义如下所示

     -s svm类型：设置SVM 类型，默认值为0，可选类型有（对于回归只能选3或4）：

    0 -- C- SVC     1 -- n - SVC     2 -- one-class-SVM     3 -- e - SVR     4 -- n - SVR 

    -t 核函数类型：设置核函数类型，默认值为2，可选类型有： 

        0 -- 线性核：u‘*v 

        1 -- 多项式核： (g*u‘*v+ coef 0)deg ree 

        2 -- RBF 核：e( u v 2) g - 

        3 -- sigmoid 核：tanh(g*u‘*v+ coef 0) 

        -d degree：核函数中的degree设置，默认值为3；

        -g g ：设置核函数中的g ，默认值为1/ k ； 

        -r coef 0：设置核函数中的coef 0，默认值为0； 

        -c cost：设置C- SVC、e - SVR、n - SVR中从惩罚系数C，默认值为1； 

        -n n ：设置n - SVC、one-class-SVM 与n - SVR 中参数n ，默认值0.5； 

        -p e ：设置n - 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 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。

    其中-g选项中的k是指输入数据中的属性数。操作参数 -v 随机地将数据剖分为n 部分并计算交叉检验准确度和均方根误差。以上这些参数设置可以按照SVM 的类型和核函数所支持的参数进行任意组合，如果设置的参数不在函数或SVM 类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练结束后产生的模型文件，该参数如果不设置将采用默认的文件名，也可以设置成自己惯用的文件名。

另， 实验中所需调整的重要参数是-c 和 –g，-c和-g的调整除了自己根据经验试之外，还可以使用grid.py对这两个参数进行优化。

注意：经过实测，在用于分类时，grid.py能得到较好参数值，但用于回归时得到的参数值效果很差。

    该优化过程需要用到Python（2.5），Gnuplot（4.2），grid.py（该文件需要修改路径）。

    然后在命令行下面运行：

grid.py -log2c -10,10,1 -log2g -10,10,1 -log2p -10,10,1 -s 3 -t 2 -v 5 -svmtrain E:\libsvm-2.86\windows\svm-train.exe -gnuplot E:\gnuplot\bin\pgnuplot.exe  E:\libsvm\libsvm-2.86\windows\train.txt以上三个路径根据实际安装情况进行修改。

    -log2c是给出参数c的范围和步长 

    -log2g是给出参数g的范围和步长 

    -log2p是给出参数p的范围和步长上面三个参数可以用默认范围和步长 

    -s选择SVM类型，也是只能选3或者4 

    -t是选择核函数 

    -v 5 将训练数据分成5份做交叉验证。默认为5

    搜索结束后可以在最后一行看到最优参数。

    其中，最后一行的第一个参数即为-c，第二个为-g，第三个为-p，前三个参数可以直接用于模型的训练。

然后，根据搜索得到的参数，重新训练，得到模型。

命令行会出现以下内容：

optimization finished, #iter = 162

nu = 0.431029

obj = -100.877288, rho = 0.424462

nSV = 132, nBSV = 107

Total nSV = 132

　　其中，#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<a[i]<c)，nBSV为边界上的支持向量个数(a[i]=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）。

模型文件内容前几行大致如下：

svm_type epsilon_svr//svm类型

kernel_type rbf//核函数类型

gamma 100//训练时参数g的值

nr_class 2  //类别数，此处为两分类问题

total_sv 12//支持向量个数

rho -0.35336//判决函数的偏置项b

SV //以下为各个类的权系数及相应的支持向量

文件中下面是支持向量数据

4.测试

    用法：svmpredict [options] test_file model_file output_file options（操作参数）： -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；

    output_file 是svmpredict 的输出文件，表示预测的结果值。

输出结果包括均方误差（Mean squared error）和相关系数（Squared correlation coefficient）。

5.实例

<1> 下载Libsvm、Python和Gnuplot。我用的版本分别是：Libsvm（2.8.1），Python（2.4），Gnuplot（3.7.3）。

<2> 修改训练和测试数据的格式：

目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 …

…

例如：

2.3 1:5.6 2:3.2

表示训练用的特征有两维，第一维是5.6，第二维是3.2，目标值是2.3

注意：训练和测试数据的格式必须相同，都如上所示。测试数据中的目标值是为了计算误差用

检查格式正确性：用checkdata.py，上面已经介绍过

<3>开始处理数据 

分别使用Libsvm中的Windows版本的工具svmscale.exe进行训练和测试数据的归一化，svmtrain.exe进行模型训练，svmpredict.exe进行预测

(1)Svm-scale.exe用法：

Svm-scale.exe -y 0 1 -l 0 -u 1 feature.txt feature.scaled

讲目标值和特征值都归一到[-1,1],默认的归一化范围是[－1，1]，可以用参数-y ,-l和-u分别调整上界和下届,feature.txt是输入特征文件名

输出的归一化文件名为feature.scaled

然后将feature.scaled中的某些数据剪切到另一文件feature_test.scaled中，用于最后测试。

（2）svm-train.exe训练模型

Svm-train.exe -s 3 -p 0.0001 -t 2 -g 32 -c 0.53125 feature.scaled

训练得到的模型为feature.scaled.model

具体的参数含义可以参考帮助文档。这里-s是选择SVM的类型。对于回归来说，只能选3或者 4，3表示epsilon-support vector regression, 4表示nu-support vector regression。-t是选择核函数，通常选用RBF核函数。-p尽量选个比较小的数字。需要仔细调整的重要参数是-c和-g。除非用 grid.py来搜索最优参数，否则只能自己慢慢试了。

(3)用svm-predict.exe进行预测

Svm-predict.exe feature_test.scaled feature.scaled.model feature_test.predicted

其中feature_test.scaled是归一化后的测试特征文件名，feature.scaled.model是训练好的模型，SVM预测的值在feature_test.predicted中

6.svm-toy.exe的使用

在libsvm-3.19\windows下有个名为svm-toy.exe的，他是用来展示你的数据样式和查看预测分类结果的。

可以在上面任意点击，他会根据点击的位置生成点，”change”可以改变点的颜色，“save”用来保存这些数据到一个文件，也可以用“load”装载经过归一化后的数据文件，在按钮后面输入想设置的参数后，点击”run”就会出现分类或预测结果。利用它，可以直观地看到改变某些参数导致的变化和结果，从而便于找到合适参数。

例如：对于下列数据

0.239 1:0.000

0.351 1:0.033

0.342 1:0.067

0.338 1:0.100

0.350 1:0.133

0.375 1:0.167

0.032 1:0.200

0.192 1:0.233

0.059 1:0.267

0.242 1:0.300

0.113 1:0.333

0.437 1:0.367

0.650 1:0.400

0.796 1:0.433

0.939 1:0.467

0.892 1:0.500

0.874 1:0.533

0.768 1:0.567

0.672 1:0.600

0.411 1:0.633

0.396 1:0.667

0.184 1:0.700

0.000 1:0.733

0.118 1:0.767

0.165 1:0.800

0.293 1:0.833

0.331 1:0.867

0.356 1:0.900

0.317 1:0.933

0.329 1:0.967

0.183 1:1.000

支持向量机用法