一、下载LibSVM

百度网盘下载:
链接:https://pan.baidu.com/s/171JAO7nhlsGRsXenbs8-uA
提取码:762w

二、使用LibSVM手动创建Iris数据集

1.解压后打开文件
如下:
在这里插入图片描述
2.打开windows–>svm-toy.exe
在这里插入图片描述
3.可以手动在该程序上标点,点击change可以改变颜色
在这里插入图片描述
4.数据设置完成后,点击Run得到如下
在这里插入图片描述
5.点击Save保存文件,输入文件名为test_1.txt,一定要输入.txt,打开该文件可以看到如下
在这里插入图片描述
6.按照上面的基础再在数据集里添加一些,保存得到test_2
在这里插入图片描述

三、模型训练得出决策函数的数学公式

(1)创建项目

1.打开IDEA,新建java项目,创建两个包test和libsvm
在这里插入图片描述
2…将java里的如下文件拷贝到src的test里
在这里插入图片描述
3.将压缩文件下java文件夹下的libsvm文件夹所有内容拷贝到项目src的libsvm包中
在这里插入图片描述
4.在test里创建一个test_1的类后,放入下面代码

package test;

import java.io.IOException;

public class test_1 {
    public static void main(String args[]) throws IOException, IOException {
        //存放数据以及保存模型文件路径
        String filepath = "E:\\BaiduNetdiskDownload\\libsvm-3.25\\test\\";
        /*
         * -s 设置svm类型:默认值为0
         *          0– C-SVC
         *          1 – v-SVC
         *          2 – one-class-SVM
         *          3 –ε-SVR
         *          4 – n - SVR
         *
         * -t 设置核函数类型,默认值为2
         *          0 --线性核
         *          1 --多项式核
         *          2 -- RBF核
         *          3 -- sigmoid核
         *
         * -d degree:设置多项式核中degree的值,默认为3
         *
         * -c cost:设置C-SVC、ε-SVR、n - SVR中从惩罚系数C,默认值为1;
         */
        String[] arg = {"-s","0","-c","10","-t","0",filepath+"test_1.txt",filepath+"line.txt"};
        String[] arg1 = {filepath+"test_2.txt",filepath+"line.txt",filepath+"predict1.txt"};
        System.out.println("----------------线性-----------------");
        //训练函数
        svm_train.main(arg);
        svm_predict.main(arg1);


        arg[5]="1";
        arg[7]=filepath+"poly.txt";//输出文件路径
        arg1[1]=filepath+"poly.txt";
        arg1[2]=filepath+"predict2.txt";
        System.out.println("---------------多项式-----------------");
        svm_train.main(arg);
        svm_predict.main(arg1);

        arg[5]="2";
        arg[7]=filepath+"RBF.txt";
        arg1[1]=filepath+"RBF.txt";
        arg1[2]=filepath+"predict3.txt";
        System.out.println("---------------高斯核-----------------");
        svm_train.main(arg);
        svm_predict.main(arg1);


    }
}

项目就创建完成了!

(2)运行

1.点击运行,得到结果
在这里插入图片描述
2.分析结果

optimization finished, #iter = 63//63表示迭代次数
nu = 0.1791558744396585//核函数的参数
obj = -77.86640933916739, rho = -5.916723540830204
//obj是SVM转换为的二次规划求解得到的最小值对偶题的最优目标值,rho是决策函数
//sgn(w^x-rho)中的偏差项(也是b,wx+b)
nSV = 14, nBSV = 11 //nSV是支持向量的个数,nBSV是边界上支持向量的个数
Total nSV = 14//支持向量的总的个数
Accuracy = 98.01980198019803% (99/101) (classification)//精度

3.发现文件夹test里得到了6个txt文件其中3个是训练的数据文件(线性,多项式,高斯核),其中有上述输出参数以及所有支持向量的数据
在这里插入图片描述
例如line.txt
在这里插入图片描述

四、总结

使用libsvm可以手动操作数据集的输入,通过工具的代码可以创建模型得出相关系数。

五、参考资料

LibSVM工具实现决策树训练

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐