Ubuntu + Python下libsvm使用小结

关于libsvm

libsvm是台湾大学林智仁(Chih-Jen Lin)教授等开发，它主要用于分类(支持二分类和多分类)和回归，主页主页，下载网站是链接，目前更新到3.23版本。

安装测试

我是在Ubuntu16.04环境下使用的 解压后目录如下：

针对Python，进入Python包，内容如下：

测试：

命令行输入：

import sys
sys.path.append('/home/thinkstation/liny/libsvm/python')
import svm

如果系统里是第一次使用libsvm,此时会报错 LIBSVM library not found 进入linsvm目录，命令行输入

make lib    / /得到 libsvm.so.2

本地目录下测试可直接使用

加入系统路径：

加Python包下的.py文件放到/usr/lib/python2.7/dist-packages中，libsvm.so.2放到/usr/local/lib/python2.7中

使用

1.使用 a1a二分类数据集

链接 特征已经进行了处理，libsvm 数据格式如下：

可以看出，格式为： 类别 index：特征 index：特征 …….

2.mnist数据集

libsvm官网数据集中的mnist数据

其中前两项数据没有经过scale，后两项没有经过scale 用未scale的数据训练测试： 训练了接近5个小时，-_-||

精度竟然这么低。。。。。 换上scale后的数据：

训练时间10分钟左右，精度0.94

3.猫狗二分类

数据准备：猫狗图片各450张，大小 50*50，按照格式将每张图片转为一行，并将像素值归为0-1

准确率0.62，可能数据有点少吧。。。。 总之，作者写的很完善了，还在不断优化中。 感觉我们如果要使用的话，需要自己做的主要是数据、特征方面的处理等，高深一点的就研究并行

主要使用函数

svmutil.py中 1. svm_load_model(model_file_name) 2. svm_save_model(model_file_name, model) 3. svm_train(arg1, arg2=None, arg3=None) 4. svm_predict(y, x, m, options=“”)

commonutil.py中 1.svm_read_problem(data_file_name, return_scipy=False)//返回label与feature 2.evaluations(ty, pv, useScipy = True)