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，包含了C和Java的开发源码。大家可以访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

由于从官网下的最新的2015.12月发布的libsvm-3.21版本中已生成的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，里面包含了以下文件：



其中data里面放的是LibSVM分享的数据集a1a；

gnuplot是一个图像绘画工具，可以将数据可视化。直接点击进行安装，路径可以自己选择，本例中安装路径为F:\Program Files\gnuplot。

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，路径可以自己选择，本例中解压路径为F:\Program Files\libsvm-3.20。

打开tools文件夹，然后分别打开easy.py和grid.py，将easy.py中出现在else语句中的gnuplot_exe和 grid.py中self.gnuplot_pathname修改为gnuplot.exe所在路径，如下：





现在还差一个工具，就是python。没有安装python的可以从python官网 下载安装。路径可以自己选择，本例中安装路径为F:\Program Files\Python。

以上几步完成后，准备工作就结束了。

2、LibSVM的使用

0. 如果数据集较小的话，可以直接在libsvm-3.20中的tools 文件夹下使用命令：python easy.py training_file [testing_file]。否则处理过程如下：

1. 使用网格搜索grid.py训练出最优参数惩罚因子C和参数g,g也就是核函数公式中的γ。 步骤如下：

首先将data中的两个数据集文件复制到刚解压的libsvm-3.20中的tools 文件夹下，然后打开cmd命令行，通过cd进入到tools文件夹下，输入如下命令，如图：



按回车后，程序开始执行，执行结束后，会出现如下结果：



最后一行三个数字分别表示，寻找到的最优参数C=2.0，g=0.0078125，准确率=82.9907。

同时会在tools文件夹下生成一个gnuplot画出结果图片，如下：



可以看到，gnuplot是对数据的可视化表示。

2 训练模型

在获得最优参数后，我们就可以对训练数据集进行训练，来获得训练模型,步骤如下：

首先从cmd命令行中进入libsvm-3.20中的windows文件夹，可以看到文件夹中有svm-toy.exe、svm-scale.exe、svm-train.exe、svm-predict.exe四个可执行文件，其中：

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及参数设置框，默认最大分类数为3，大家可以点点看，效果如下：



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。使用方式如下：

svm-scale [options] data_filename，其中options列表有以下几种：

-l lower : x缩放最小值，默认为-1

-u upper : x缩放最大值，默认为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。使用方式如下：

svm-train [options] training_set_file [model_file]，其中常用options列表有以下几种：

-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核中的参数(default 0)

-c cost : 设置C-SVC, e -SVR和v-SVR的损失函数(default 1)

svm-predict.exe利用测试集和生成的训练模型而得到预测模型，使用方式如下：

svm-predict [options] test_file model_file output_file，其中options列表有：

-b probability_estimates: 是否预测概率估计，用0或1表示（默认0）；对于for one-class SVM ，只有0可选。

介绍完这几个可执行文件后，下面我们就要用它们来训练和预测模型。

1.对于a1a数据集，特征值为0或者1，故不需要使用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文件夹，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，演示如下：



其中，iter表示迭代计算次数；

nu即核函数中的ν参数；

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，利用测试集和训练模型文件获得预测模型文件，并得到模型在测试集上的分类准确率，颜色如下：



4.作为对比，同时训练了多项式核函数（参数最优）和径向基核函数（未参数最优），结果分别如下：





三者比较可知，选择了参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。