文档介绍：:通过学习了解libsvm软件在数据分类)|•的应用,2..软件介绍实验采用专门用于SVM模式识别和回归的软件包LIBSVMoLIBSVM由台湾大学林智仁教授等开发设计,它提供了源代码,便于用户根据自已的需要进行修改,是H前研究和开发SVM领域应用最广泛的软件之一。:(1) 数据准备(2) 对数据进行缩放操作(3) 选用适半的核函数(4) 采用交叉验证选择惩罚系数C与g的最佳参数(5) 采用获得的最住参数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(1)/〜cjlin/libsvmtools/datasets/(ml#breast・cancer丨|〔的数据作为原始数据,如下:sonarSource:UC1/Undocumented/Sonar#ofclasses:2#ofdata:208#offeatures:60Files:osonarscale(scaledto[T,1])首先在hUp://.tw/~cjlin/网站卜载libsvm软件包,解床缩后放在C:\:\libsvm\windows文件夹下。对原始数据进行归•一化和缩放处理,步骤如下:打开开始一运行一在命令框屮输入cmd一确定,键入cdc:\libsvm\windows回车冉•键入svm->:\libsvm\,继续键入svm-[显有:在c:\libsvm\windows下出J见-一个sonar,train,txt文件optimizationfinished,#iter=114nu==-,rho==159,Xbsv二144TotalNsv=159其屮,#iter为迭代次数,nu与前面的操作参数・nn相同,obj为SVM文件转换为的二次规划求解得到的最小值,rho为判决函数的常数项b,nSV为支持向量个数,nBSV为边界上的支持向量个数,TotalnSV为支持向量总个数。,用记事本打开可以看到其内容如下:%%训练采用的核函数类型,此处为RBF核与操作参数设置中的g含义相同nrclass2%分类吋的类别数,此处为两分类问题totalsv159%%决策函数屮的常数项blabel1-1%类别标签nr_sv7881%各类别标签对应的支持向量个数再键入svm-・txtout•txt回车在doc屮显示如卜:c:\C:\TIBD0TS\systeB32\[]<C>版权所有1985-:\DocunentsandSetti