分类
标签
315417911
PythonTip >> 博文 >> chinaunix
毋庸置疑，LibSVM是台湾牛人为世界机器学习的卓越贡献之一。一般都是基于Matlab的，其实LibSVM也可以用Python跑。
第一步，确定本机Python的版本：
32位的最易配置，哈哈，我的机器就是这么的古董。64位的童鞋请Google。
第二步，到官网http://www.csie.ntu.edu.tw/~cjlin/libsvm/，来下载LibSVM软件包，我选择的是zip包。
第三步，将zip包解压到一个特定位置，我放到了C：盘根目录，当然也可以放到program files中。
第四步，就可以测试一下LibSVM是否可用了，打开Python IDE，输入以下代码：
能够看到输出，84%的分类准确性。
第五步，使用我的个人数据
libsvm的数据格式如下：
第一列代表标签，第二列是第一个特征值，第三列是第二个特征值。所以，先要把数据按规定格式整理好。然后开始训练。
第六步，Python接口
在libsvm-3.16的python文件夹下主要包括了两个文件svm.py和svmutil.py。
svmutil.py接口主要包括了high-level的函数，这些函数的使用和LIBSVM的MATLAB接口大体类似
svmutil中主要包含了以下几个函数：
svm_train() : train an SVM model
svm_predict() : predict testing data
svm_read_problem() : read the data from a LIBSVM-format file.
svm_load_model() : load a LIBSVM model.
svm_save_model() : save model to a file.
evaluations() : evaluate prediction results.
本文参考了http://blog.csdn.net/lqhbupt/article/details/8599295，在此感谢xmjdh。
毋庸置疑，LibSVM是台湾牛人为世界机器学习的卓越贡献之一。一般都是基于Matlab的，其实LibSVM也可以用Python跑。
第一步，确定本机Python的版本：
第二步，到官网http://www.csie.ntu.edu.tw/~cjlin/libsvm/，来下载LibSVM软件包，我选择的是zip包。
第三步，将zip包解压到一个特定位置，我放到了C：盘根目录，当然也可以放到program files中。
第四步，就可以测试一下LibSVM是否可用了，打开Python IDE，输入以下代码：
第五步，使用我的个人数据
libsvm的数据格式如下：
-
import os
-
import sys
-
-
os.chdir('C:\libsvm-3.17\python')
-
from svmutil import *
-
-
y, x = svm_read_problem('../lkagain.txt')
-
m = svm_train(y[:275], x[:275], '-c 5')
-
-
y, x = svm_read_problem('../lk2.txt')
-
p_label, p_acc, p_val = svm_predict(y[0:], x[0:], m)
-
print p_label
-
print p_acc
- print p_val
第六步，Python接口
在libsvm-3.16的python文件夹下主要包括了两个文件svm.py和svmutil.py。
svmutil.py接口主要包括了high-level的函数，这些函数的使用和LIBSVM的MATLAB接口大体类似
svmutil中主要包含了以下几个函数：
svm_train() : train an SVM model
svm_predict() : predict testing data
svm_read_problem() : read the data from a LIBSVM-format file.
svm_load_model() : load a LIBSVM model.
svm_save_model() : save model to a file.
evaluations() : evaluate prediction results.
本文参考了http://blog.csdn.net/lqhbupt/article/details/8599295，在此感谢xmjdh。
原文链接:http://blog.chinaunix.net/uid-22414998-id-4175203.html