《支持向量机理论及工程应用实例》由会员分享，可在线阅读，更多相关《支持向量机理论及工程应用实例（5页珍藏版）》请在金锄头文库上搜索。
1、支持向量机理论及工程应用实例支持向量机理论及工程应用实 例求助编辑百科名片支持向量机理论及工程应用实例共分为8章，从机器学习的基本问题开始， 循序渐进地介绍了相关的内容，包括线性分类器、核函数特征空间、推广性理论 和优化理论，从而引出了支持向量机的算法，进而将支持向量机应用到实际的工 程实例中。支持向量机理论及工程应用实例适合高等院校高年级本科生、研 究生、教师和相关科研人员及相关领域的工作者使用。支持向量机理论及工程 应用实例既可作为研究生教材，也可作为神经网络、机器学习、数据挖掘等课 程的参考教材。支持向量机理论及工程应用实书名：例作者：白鹏 张斌ISBN：9787560620510定价：
2、16.00 元西安电子科技大学出版出版社： 社出版时间：2008开本： 16LIBSVM 的简单介绍 2006-09-20 15:59:48大 中 小1. LIBSVM 软件包简介LIBSVM是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作 简单、易于使用、快速有效的通用SVM软件包，可以解决分类问题(包括C- SVC、n - SVC )、回归问题(包括e - SVR、n - SVR )以及分布估计(one-class-SVM )等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样 本加权、多类问题的概率估
3、计等。LIBSVM是一个开源的软件包，需要者都可 以免费的从作者的个人主页处获得。他不仅提供了 LIBSVM的C+语言的算法源代码，还提供了 Python、 Java、R、MATLAB、Perl、Ruby、LabVIEW 以及 C#.net 等各种语言的接口， 可以方便的在Windows或UNIX平台下使用。另外还提供了 WINDOWS平台 下的可视化操作工具SVM-toy，并且在进行模型参数选择时可以绘制出交叉验证 精度的等高线图。2. LIBSVM 使用方法简介LibSVM是以源代码和可执行文件两种方式给出的。如果是Windows系 列操作系统，可以直接使用软件包提供的程序，也可以进行修改
4、编译；如果是 Unix 类系统，必须自己编译。LIBSVM在给出源代码的同时还提供了 Windows操作系统下的可执行文 件，包括：进行支持向量机训练的svmtrain.exe；根据已获得的支持向量机模型 对数据集进行预测的svmpredict.exe；以及对训练数据与测试数据进行简单缩放 操作的svmscale.exe。它们都可以直接在DOS环境中使用。如果下载的包中 只有C+的源代码，则也可以自己在VC等软件上编译生成可执行文件。3. LIBSVM 使用的一般步骤是：1）按照LIBSVM软件包所要求的格式准备数据集；2）对数据进行简单的缩放操作；3）考虑选用 RBF 核函数；4）采用交叉验
5、证选择最佳参数 C 与 g ；5）采用最佳参数C与g对整个训练集进行训练获取支持向量机模型；6）利用获取的模型进行测试与预测。4. LIBSVM 使用的数据格式1 ）训练数据和检验数据文件格式如下： : : .其中vlabel是训练数据集的目标值，对于分类，它是标识某类的整数（支 持多个类）；对于回归，是任意实数。 是以 1 开始的整数，可以是不连 续的；vvalue为实数，也就是我们常说的自变量。检验数据文件中的label只 用于计算准确度或误差，如果它是未知的，只需用一个数填写这一栏，也可以空 着不填。在程序包中，还包括有一个训练数据实例：heart_scale，方便参考数据文件格 式以及
6、练习使用软件。可以编写小程序，将自己常用的数据格式转换成这种格式2）Svmtrain 和 Svmpredict 的用法LIBSVM软件提供的各种功能都是DOS命令执行方式。我们主要用到两 个程序，svmtrain（训练建模）和svmpredict（使用已有的模型进行预测），下面分 别对这两个程序的使用方法、各参数的意义以及设置方法做一个简单介绍：（1） Svmtrain 的用法： svmtrain options training_set_file model_fileOptio ns：可用的选项即表示的涵义如下-s svm类型：SVM设置类型（默认0）0 - C-SVC1 -v-SVC2 -
7、 一类 SVM3 - e -SVR4 - v-SVR-t 核函数类型：核函数设置类型（默认 2）0 一线性：uv1 一 多项式：（r*uv + coef0）Adegree2 一 RBF 函数：exp（-r|u-vF2）3 -sigmoid: tanh（r*uv + coefO）-d degree:核函数中的degree设置（默认3） r（gama）:核函数中的y-g函数设置（默认1/ k） -r coefO：核函数中的coefO设置（默认0）-SVR 和v-c cost：设置 C-SVC， -SVR 的参数（默认 1）s-n nu：设置v-SVC，类SVM和v- SVR的参数（默认0.5）中损
8、失函数-p e：设置的值（默认0.1）-SVR-m cachesize:设置cache内存大小，以MB为单位（默认40）s-e ：设置允许的终止判据（默认0.001）-h shrinking：是否使用启发式，0或1（默认1）weight：设置第几类的参数C为weightx-wi C（C-SVC中的C）（默认1）-v n: n-fold 交互检验模式其中-g选项中的k是指输入数据中的属性数。option -v随机地将数据剖分 为 n 部分并计算交互检验准确度和均方根误差。以上这些参数设置可以按照 SVM 的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或 SVM 类 型中没有也不会产
9、生影响，程序不会接受该参数；如果应有的参数设置不正确， 参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练 结束后产生的模型文件，文件中包括支持向量样本数、支持向量样本以及 lagra nge系数等必须的参数；该参数如果不设置将采用默认的文件名，也可以 设置成自己惯用的文件名。（2）Svmpredict 的用法：svmpredict test_file model_file output_filemodel_file是由svmtrain产生的模型文件；test_file是要进行预测的数据文 件；Output_file是svmpredict的输出
10、文件。svm-predict没有其它的选项。 下面是具体的使用例子svmtrain -s 0 -c 1000 -t 1 -g 1 -r 1 -d 3 data_file训练一个由多项式核（uv+1）V和C=1000组成的分类器。以线性核函数uv和C=10及损失函数0.1求解SVM回归。s在RBF核函数 exp（-0.5|u-v|A2）和终止允许限0.00001的条件下，训练一个0.1）分类器。svmtrai n -s 3 -p 0.1 -t 0 -c 10 data_file =v-SVM （v svmtrai n -s 1 -n 0.1 -t 2 -g 0.5 -e 0.00001 data_file =【 名 称 】:不确定性支持向量机原理及应用 【 定 价 】:38 元【 现 价 】:38 元【 册 数 】:【上架时间】: 2008-4-22 10:10:00【 出版社 】: 科学出版社【 作 者 】: 杨志民 刘广利 著
