理解支持向量机（四）LibSVM工具包的使用

LibSVM是一款简单易用的支持向量机工具包。包括了C和Java的开发源代码。大家能够訪问其官网进行了解和下载相关文件。
这里以其官网的第一个数据集a1a 为例。练习使用多项式核和径向基核来对数据集进行分类。

1、准备工作
因为从官网下的最新的2015.12月公布的libsvm-3.21版本号中已生成的exe文件不支持Windows32位系统，所以使用的之前的一版libsvm-3.20。

将其下下来打开，里面包括了下面文件：

当中data里面放的是LibSVM分享的数据集a1a；
gnuplot是一个图像绘画工具，能够将数据可视化。

直接点击进行安装。路径能够自己选择，本例中安装路径为F:Program Filesgnuplot。

libsvm-3.20是一个已开发好的集成工具包，我们拿来直接用。

将libsvm-3.20压缩包解压。路径能够自己选择。本例中解压路径为F:Program Fileslibsvm-3.20。
打开tools目录，然后分别打开easy.py和grid.py，将easy.py中出如今else语句中的gnuplot_exe和 grid.py中self.gnuplot_pathname改动为gnuplot.exe所在路径。例如以下：

如今还差一个工具，就是python。

没有安装python的能够从python官网 下载安装。

路径能够自己选择，本例中安装路径为F:Program FilesPython。
以上几步完毕后，准备工作就结束了。

2、LibSVM的使用
0. 假设数据集较小的话，能够直接在libsvm-3.20中的tools 目录下使用命令：python easy.py training_file [testing_file]。否则处理过程例如以下：
1. 使用网格搜索grid.py训练出最优參数惩处因子C和參数g,g也就是核函数公式中的γ。 过程例如以下：
首先将data中的两个数据集文件拷贝到刚解压的libsvm-3.20中的tools 目录下，然后打开cmd命令行，通过cd进入到tools目录下。输入例如以下命令。如图：

按回车后，程序開始运行，运行结束后，会出现例如以下结果：

最后一行三个数字分别表示，寻找到的最优參数C=2.0，g=0.0078125，准确率=82.9907。
同一时候会在tools目录下生成一个gnuplot画出结果图片，例如以下：

能够看到。gnuplot是对数据的可视化表示。

2 训练模型
在获得最优參数后。我们就能够对训练数据集进行训练。来获得训练模型,过程例如以下：
首先从cmd命令行中进入libsvm-3.20中的windows目录。能够看到目录中有svm-toy.exe、svm-scale.exe、svm-train.exe、svm-predict.exe四个可运行文件。当中：
svm-toy.exe是一个可视化应用程序，显示了对平面中数据点的分类。

有change、run、clear、save、load及參数设置框，默认最大分类数为3，大家能够点点看，效果例如以下：

svm-scale.exe是对输入的数据特征进行归一化缩放,从而避免某些过大或过小特征值对分类效果的影响。

使用方式例如以下：
svm-scale [options] data_filename，当中options列表有下面几种：
-l lower : x缩放最小值。默觉得-1
-u upper : x缩放最大值，默觉得1
-y y_lower y_upper : y scaling limits (default: no y scaling)
-s save_filename : save scaling parameters to save_filename
-r restore_filename : restore scaling parameters from restore_filename

svm-train.exe对训练集训练，产生训练模型。

使用方式例如以下：
svm-train [options] training_set_file [model_file]，当中经常使用options列表有下面几种：
-s svm_type : SVM类型 (默认0)
0 – C-SVC (多类分类器)
1 – nu-SVC (多类分类器)
2 – one-class SVM
3 – epsilon-SVR (回归)
4 – nu-SVR (回归)
-t kernel_type : 核函数类型 (默认 2)
0 – 线性核：μ′∗ν
1 – 多项式核：(γ∗μ′∗ν+coef0)degree
2 – 径向基核：exp(−γ∗||μ−ν||2)
3 – sigmoid核：tanh(γ∗μ′∗ν+coef0)
4 – precomputed kernel (kernel values in training_set_file)
-d degree : 多项式核最高项次数 (default 3)
-g gamma : 核函数中γ 值(默认1N。N为特征数目)
-r coef0 : 多项式核与sigmoid核中的參数(default 0)
-c cost : 设置C-SVC, e -SVR和v-SVR的损失函数(default 1)

svm-predict.exe利用測试集和生成的训练模型而得到预測模型，使用方式例如以下：
svm-predict [options] test_file model_file output_file。当中options列表有：
-b probability_estimates: 是否预測概率预计。用0或1表示（默认0）；对于for one-class SVM ，仅仅有0可选。

介绍完这几个可运行文件后，下面我们就要用它们来训练和预測模型。
1.对于a1a数据集，特征值为0或者1。故不须要使用svm-scale.exe来缩放数据，若有数据集的特征值差异较大，应首先使用svm-scale.exe进行数据缩放。

2.命令行进入windows目录。输入命令：svm-train.exe -c 2.0 -g 0.0078125 ../tools/adultTrain.txt ../tools/adultTrain.model，生成训练模型文件adultTrain.model，演演示样例如以下：

当中，iter表示迭代计算次数。
nu即核函数中的ν參数；
obj为二次规划求解的最小值；
rho为偏置b；
nSV为标准支持向量个数，即满足0<αi< C的个数。
nBSV为边界上的支持向量个数。即满足αi= C的个数;
Total nSV为支持向量总个数。

3.输入命令：svm-predict.exe ../tools/adultTest.t ../tools/adultTrain.model ../tools/audltPredict.model，利用測试集和训练模型文件获得预測模型文件，并得到模型在測试集上的分类准确率，颜色例如以下：

4.作为对照。同一时候训练了多项式核函数（參数最优）和径向基核函数（未參数最优）。结果分别例如以下：

三者比較可知，选择了參数最优的径向基核在该数据集上的分类效果最好，准确率为84.0225。