御神楽的学习记录之LibSVM训练获得的决策函数

• 前言
• 一、SVM下载及安装
• • 1.SVM官网
  • 2.SVM安装
  • 3.数据生成
• 二、对数据进行libSVM分类
• • 1.test类数据训练
  • 2.运行结果
• 总结
• 参考

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用;该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题;并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。

SVM官网

1、解压官网下载的文件
如下图

2、选择语言
笔者使用IDEA，故采用的Java语言；
3、将Java文件中的文件移动到Idea项目中
项目结构如下：

libSVM提供了生成数据的函数，通过修改idea执行main函数的文件为svm_toy.java即可

选择svm_toy.java

运行程序：

本次使用数据如下：

import java.io.IOException;
import java.sql.SQLOutput;


public class test {
        public static void main(String args[]) throws IOException {
            //存放数据以及保存模型文件路径
            String filepath = "D:\libSVM\Test\";
            
            String[] arg = {"-s","0","-c","10","-t","0",filepath+"data.txt",filepath+"line.txt"};//data.txt为数据生成的数据集
            System.out.println("----------------线性-----------------");
            //训练函数
            svm_train.main(arg);

            arg[5]="1";
            arg[7]=filepath+"poly.txt";//输出文件路径
            System.out.println("---------------多项式-----------------");
            svm_train.main(arg);

            arg[5]="2";
            arg[7]=filepath+"RBF.txt";
            System.out.println("---------------高斯核-----------------");
            svm_train.main(arg);

        }


    }

1、线性

2、多项式

3、高斯核

SVM用于模式识别或回归时，SVM方法及其参数、核函数及其参数的选择，也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。
LIBSVM拥有C、Java、Matlab、C#、Ruby、Python、R、Perl、Common LISP、Labview、php等数十种语言版本。最常使用的是C、Matlab、Java和命令行(c语言编译的工具)的版本。

https://blog.csdn.net/qq_47281915/article/details/121307709?spm=1001.2014.3001.5501