svmlight使用心得

最近用其svmlight進行movie review文本分類的問題。查閱了1些svmlight軟件的使用方法，在此整理以下：

1）下載svm_light軟件，分別為svm_classify.exe和svm_learn.exe

2）下載它的訓練數據的example，以下面的圖所示：

train.dat

model

test.dat與train.dat格式相似

3）下面了解1些訓練數據的格式

文件格式

文件格式要先交代1下. 你可以參考 libsvm 里面附的 “heart_scale”: 這是SVM 的輸入文件格式.

[label] [index1]:[value1] [index2]:[value2] …

[label] [index1]:[value1] [index2]:[value2] …

1行1條記錄數據，如:

+1 1:0.708 2:1 3:1 4:-0.320 5:-0.105 6:⑴

label

或說是class, 就是你要分類的種類，通常是1些整數。

index

是有順序的索引，通常是連續的整數。

value

就是用來 train 的數據，通常是1堆實數。

每行都是如上的結構, 意思就是: 我有1排數據, 分別是 value1, value2, …. value, (而且它們的順序已由 index 分別指定)，這排數據的分類結果就是label。

也許你會不太懂，為何會是 value1,value2,…. 這樣1排呢？ 這牽涉到 SVM 的原理。你可以這樣想（我沒說這是正確的）， 它的名字就叫 Support “Vector” Machine，所以輸入的訓練數據是 “Vector”(向量), 也就是1排的 x1, x2, x3, … 這些值就是 value，而 x[n] 的n就是由index 指定。這些東西又稱為 “（屬性）attribute”。

真實的情況是，大部分時候我們給定的數據可能有很多 “特點(feature)” 或說 “屬性(attribute)”，所以輸入會是1組的。舉例來講，之前面點分區的例子 來講，我們不是每一個點都有 X 跟 Y 的坐標嗎？所以它就有兩種屬性。假定我有兩個點： (0,3) 跟 (5,8) 分別在 label(class) 1 跟 2 ，那就會寫成

1 1:0 2:3
2 1:5 2:8
同理，空間中的3維坐標就等于有3組屬性。這類文件格式最大的好處就是可使用稀疏矩陣（sparse matrix），或說有些數據的屬性可以有缺失。

4）Dos進入訓練、測試數據所在的文件夾，進行測試

>svm_learn -c 0.5 -g 3.2 train.dat model 

>svm_classify test.txt model predict_result.txt 

其中有1些參數，我以后用到時會再發博客講授。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈