Felomeng翻译:libsvm2.88之示例
2009-04-09 09:51
183 查看
> svm-scale -l -1 -u 1 -s range train > train.scale
> svm-scale -r range test > test.scale
将训练数据中的每个属性都在区间[-1,1]中数值化。先将数据化因子保存到文件range中,然后再用于数值化测试数据。
> svm-train -s 0 -c 5 -t 2 -g 0.5 -e 0.1 data_file
使用RBF内核函数exp(-0.5|u-v|^2),C=10,并且设定结束条件为0.1来训练分类器
> svm-train -s 3 -p 0.1 -t 0 data_file
使用线性内核函数u'v,设定损失方程中epsilon=0.1解决支持向量机回归问题。
> svm-train -c 10 -w1 1 -w-1 5 data_file
对类1使用惩罚因子10=1*10,而对类-1使用惩罚因子50=5*50来训练分类器。
> svm-train -s 0 -c 100 -g 0.1 -v 5 data_file
使用参数C=100和gamma=0.1对分类器进行五次交叉验证。
> svm-train -s 0 -b 1 data_file
> svm-predict -b 1 test_file data_file.model output_file
根据概率信息和有概率期望的预测数据获得一个模型。
> svm-scale -r range test > test.scale
将训练数据中的每个属性都在区间[-1,1]中数值化。先将数据化因子保存到文件range中,然后再用于数值化测试数据。
> svm-train -s 0 -c 5 -t 2 -g 0.5 -e 0.1 data_file
使用RBF内核函数exp(-0.5|u-v|^2),C=10,并且设定结束条件为0.1来训练分类器
> svm-train -s 3 -p 0.1 -t 0 data_file
使用线性内核函数u'v,设定损失方程中epsilon=0.1解决支持向量机回归问题。
> svm-train -c 10 -w1 1 -w-1 5 data_file
对类1使用惩罚因子10=1*10,而对类-1使用惩罚因子50=5*50来训练分类器。
> svm-train -s 0 -c 100 -g 0.1 -v 5 data_file
使用参数C=100和gamma=0.1对分类器进行五次交叉验证。
> svm-train -s 0 -b 1 data_file
> svm-predict -b 1 test_file data_file.model output_file
根据概率信息和有概率期望的预测数据获得一个模型。
相关文章推荐
- Felomeng翻译:libsvm2.88之“svm-train”的使用
- Felomeng翻译:libsvm2.88之Python接口
- Felomeng翻译:libsvm2.88之“svm-train”的使用
- Felomeng翻译:libsvm2.88之生成windows下的二进制文件(二进行文件就是通常所说的exe文件,即可执行文件)
- Felomeng翻译:libsvm2.88之“svm-predict”的使用
- Felomeng翻译:libsvm2.88之中文文档完全翻译版(单文档)
- Felomeng翻译:libsvm2.88之附录
- Felomeng翻译:libsvm2.88之附加工具:子取样器,参数选择器,数据格式较验器等
- Felomeng翻译:libsvm2.88之安装和数据格式
- Felomeng翻译:libsvm2.88之生成windows下的二进制文件
- Felomeng翻译:libsvm2.88之Java版本
- Felomeng翻译:libsvm2.88之中文文档完全翻译版之目录
- Felomeng翻译:libsvm2.88之函数库的使用
- Felomeng翻译:libsvm2.88之快速入门
- Felomeng翻译:libsvm2.88之预先计算好的内核
- Felomeng翻译:libsvm2.88之实际使用中的技巧
- Felomeng翻译:libsvm2.88之附录
- Felomeng翻译:libsvm2.88之“svm-scale”的使用
- 3行程序搞定SVM分类-用JAVA程序调用LibSVM API 最简单的示例
- [翻译]JSF导航文件设置示例