摘要： LIBSVM2.83软件包的介绍和移植(vc版本)LIBSVM软件包是台湾大学林智仁(Chih-Jen Lin)博士等用C++实现的LIBSVM库，可以说是使用最方便的SVM训练工具[71]。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、多类问题的概率估计等。但是，在Windows环境下，此软件包只提供DOS工具集(主要包括：训练工具svmtrain.exe，预测工具svmpredic 阅读全文

摘要： #不少文本引用自#http://blog.csdn.net/Felomeng/archive/2009/04/09/4058669.aspx#和其他等等地方from svm import *#一个有3个类的问题labels = [0, 1, 1, 2]samples = ［0, 0], [0, 1], [1, 0], [1, 1］"""可以理解为这个图B-C| |A-B"""problem = svm_problem(labels, samples)#结构体svm_problem将问题形式化：#struct svm_problem#{ 阅读全文

摘要： 支持向量机算法及其代码实现支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。 解是最优的在某种意义上是两类中距离分割面最近的特征向量和分割面的距离最大化。离分割面最近的特征向量被称为”支撑向量”，意即其它向量不影响分割面（决策函数）。 有很多关于SVM的参考文献，这是两篇较好的入 阅读全文