SVM初体验

最近想用SVM做些东西，本想用原来自己编写的SVM程序，但是感觉目前学术界进展日新月异，我那老掉牙的东西恐怕已经早早被时代抛弃了，因此打算用开源工具包，在百度一番之后，决定用libsvm工具包。

libsvm是台湾大学林智仁(Lin Chih-Jen)教授等人开发的SVM工具包，简单轻便，目前在国内很多科研单位应用广泛。

1.下载工具包

libsvm下载地址http://www.csie.ntu.edu.tw/~cjlin/libsvm/，在此网站上包含了libsvm的所有官方内容，包括最新版本的工具包、使用指导、相关文献、测试数据集等等。

2.下载数据

同样，在此网站上，提供了一些测试数据，详细网址为http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/，在此下载了a1a测试数据集。

3.训练

运行svm-train训练svm模型，采用了rbf核函数，语句如下。

svm-train.exe -t 2 data\a1a\a1a.txt model\a1a.svm
运行结果
optimization finished, #iter = 495
nu = 0.460268
obj = -673.031393, rho = -0.628569
nSV = 754, nBSV = 722
Total nSV = 754

4.分类

运行svm-predict对测试数据的测试样本进行分类，语句如下。

D:\work\project\StockAnalyze\svm>bin\svm-predict.exe data\a1a\a1a.t model\a1a.svm data\a1a.out
Accuracy = 83.5864% (25875/30956) (classification)

可以看到得到了83.59%的准确率。

本文只是一个非常简单的使用，如需熟练掌握，仍需继续深入。