- 一、下载LibSVM
- 二、构建数据集
- 三、总结
- 参考
一、下载LibSVM
在https://www.csie.ntu.edu.tw/~cjlin/libsvm/中下载：
下载解压后，将该文件复制到对应的python环境下的 .../Lib/site-packages/ 目录下。然后，在目录libsvm和目录libsvm/python/下，新建一个空文件，命名为 __init__.py。
二、构建数据集
from libsvm.svmutil import *
from libsvm.svm import *
import scipy.spatial
#根据文件路径直接返回要使用的数据格式
label,data= svm_read_problem('..\source\iris.txt')#训练数据
p_label,p_data=svm_read_problem('..\source\predict.txt')#预测数据
para ='-t 1 -c 4 -b 1'
'''
-t
0为线性核
1为多项式核
2为高斯核（默认）
'''
#多项式核
model=svm_train(label,data,para)
svm_save_model('..\source\multi.txt',model)
acc=svm_predict(p_label,p_data,model)
结果：
高斯核(将para的里面-t 对应的值改为2)：
para ='-t 2 -c 4 -b 1' ''' -t 0为线性核 1为多项式核 2为高斯核（默认） '''
三、总结
libsvm使用十分方便。
参考
libsvm获得决策函数模型（python+手工iris数据集）
