标签：main svm 训练 filepath arg1 LibSVM arg txt 决策树
目录
一、下载LibSVM
LIBSVM -- A Library for Support Vector Machines
二、使用LibSVM制作鸢尾花数据集
将下载好的压缩包解压
打开后点击Windows，找到svm-toy.exe的运行程序并运行
手动生成
然后点击保存，在点几个数据，再点击保存
三、利用上述数据集实现模型训练并写出决策函数的数学公式
打开IDEA
新建一个java项目
将解压文件下的Java文件中的libsvm文件中的所有文件复制到项目中
在项目中新建一个Test
将Java中的4个文件复制进去
然后在test类中添加代码
package test;
import java.io.IOException;
class test1 {
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:\\SVm 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+"456.txt",filepath+"line.txt"};
String[] arg1 = {filepath+"678.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);
}
}点击运行
输出参数说明
optimization finished,#iter = 17 //17表示迭代次数，
nu = 0.3844657082933367 //核函数的参数
obj = -138.55922083214205, rho = -1.426383952712586
//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 = 19, nBSV = 16 //nSV是支持向量的个数，nBSV是边界上支持向量的个数
Total nSV = 19 //支持向量的总的个数
Accuracy = 91.37931034482759% (53/58) (classification) //精度
分析结果可知多项式和高斯核训练的模型精度略高于线性
决策函数
在D:\SVm test目录下生成了
任意打开一个文件
可以看见文件中除了有上述输出参数以及所有支持向量的数据。
四、总结
使用LibSVM工具进行决策树训练，不仅能够直观地以图形界面显示，也能利用工具中的代码灵活地在项目中使用，并得到相关系数的输出
标签：main,svm,训练,filepath,arg1,LibSVM,arg,txt,决策树 来源： https://blog.csdn.net/qq_45874317/article/details/121410100
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。