svmc语言

1. svm的输入和输出问题

你好，LIBSVM简介 [.v5o#V
d
sH:Luo+]
支持向量机所涉及到的数学知识对一般的化学研究者来说是比较难的，自己编程实现该算法难度就更大了。但是现在的网络资源非常发达，而且国际上的科学研究者把他们的研究成果已经放在网络上，免费提供给用于研究目的，这样方便大多数的研究者，不必要花费大量的时间理解SVM算法的深奥数学原理和计算机程序设计。目前有关SVM计算的相关软件有很多，如LIBSVM、mySVM、SVMLight等，这些软件大部分的免费下载地址和简单介绍都可以在[url]
http://www.kernel-machines.org/[/url]上获得。 pq2j j.XL7m4B
LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在[url]
http://www.csie.ntu.e.tw/~cjlin/[/url]免费获得。该软件可以解决C-SVM分类、-SVM分类、-SVM回归和-SVM回归等问题，包括基于一对一算法的多类模式识别问题。在第2章中我们也介绍了该软件的一些优点，因此通过综合考虑，我们决定采用该软件作为工作软件。SVM用于模式识别或回归时，SVM方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模式，也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。
4lE qC iC mt'j?)FN"b
LIBSVM使用方法 p-t8\q9P!e(jVL6e

1XP6S+YzWZ LibSVM是以源代码和可执行文件两种方式给出的。如果是Windows系列操作系统，可以直接使用软件包提供的程序，也可以进行修改编译；如果是Unix类系统，必须自己编译，软件包中提供了编译格式文件，我们在SGI工作站(操作系统IRIX6.5)上，使用免费编译器GNU C++3.3编译通过。 |U4E P})T/u
8rur3[8U.zeQ9VX
LIBSVM使用的数据格式 W2}&p]lU
该软件使用的训练数据和检验数据文件格式如下： x4Vy\ G1y6g\3~
<label> <index1>:<value1> <index2>:<value2> ...
6a X)I&x9l@4cU {2q 其中<label> 是训练数据集的目标值，对于分类，它是标识某类的整数(支持多个类)；对于回归，是任意实数。<index> 是以1开始的整数，可以是不连续的；<value>为实数，也就是我们常说的自变量。检验数据文件中的label只用于计算准确度或误差，如果它是未知的，只需用一个数填写这一栏，也可以空着不填。在程序包中，还包括有一个训练数据实例：heart_scale，方便参考数据文件格式以及练习使用软件。
H'?-]1a%HC Us 可以编写小程序，将自己常用的数据格式转换成这种格式
"pm2M;L7E{~5t
mLf \*?8n"x9A Svmtrain和Svmpredict的用法
g Ddk2C-Cd LIBSVM软件提供的各种功能都是DOS命令执行方式。我们主要用到两个程序，svmtrain(训练建模)和svmpredict(使用已有的模型进行预测)，下面分别对这两个程序的使用方法、各参数的意义以及设置方法做一个简单介绍：
8x*l/L/E0b Svmtrain的用法：svmtrain [options] training_set_file [model_file] U1NjN e f%W}0R
Options：可用的选项即表示的涵义如下
'fH*{2_5u -s svm类型：SVM设置类型(默认0)
_`"JB+i@9~ 0 -- C-SVC O)Z5y$E$c#Cy
1 --v-SVC
MQL(d;t 2 – 一类SVM
$E(@D ShN 3 -- e -SVR
] K ]V~b+t0}2Gl 4 -- v-SVR
J0j5|rJ[ -t 核函数类型：核函数设置类型(默认2)
,pvvLy O 0 – 线性：u'v Cj-AB;jn8Cbk
1 – 多项式：(r*u'v + coef0)^degree 7nq{|q*] @1{3T
2 – RBF函数：exp(-r|u-v|^2) o4S JB-zV2P%?,C
3 –sigmoid：tanh(r*u'v + coef0) \"m w._)u|,Bu4C
-d degree：核函数中的degree设置(默认3) K0?8R!fR;g+W2k
-g r(gama)：核函数中的函数设置(默认1/ k) :u6r%p*o$QG
-r coef0：核函数中的coef0设置(默认0) &xO&LjbX(y
-c cost：设置C-SVC， -SVR和-SVR的参数(默认1) Y:N.Jv8v
-n nu：设置-SVC，一类SVM和- SVR的参数(默认0.5)
;r:h%XN2HH6Bf -p e：设置 -SVR 中损失函数的值(默认0.1)
sW'o.m-R7]
-m cachesize：设置cache内存大小，以MB为单位(默认40)
:K ^*y[BE7]\7U -e ：设置允许的终止判据(默认0.001) )rI#@C7F5Q Rw,J R']Vz{
-h shrinking：是否使用启发式，0或1(默认1) "|g6wfu
-wi weight：设置第几类的参数C为weightC(C-SVC中的C)(默认1)
4Rf W-~|oY] -v n: n-fold交互检验模式 Js}7ee&n\{c
其中-g选项中的k是指输入数据中的属性数。option -v 随机地将数据剖分为n部分并计算交互检验准确度和均方根误差。以上这些参数设置可以按照SVM的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练结束后产生的模型文件，文件中包括支持向量样本数、支持向量样本以及lagrange系数等必须的参数；该参数如果不设置将采用默认的文件名，也可以设置成自己惯用的文件名。 E M%WTF
Svmpredict的用法：svmpredict test_file model_file output_file 1bv R [?d
model_file是由svmtrain产生的模型文件；test_file是要进行预测的数据文件；Output_file是svmpredict的输出文件。svm-predict没有其它的选项。 FOiJEO4vsVo#Q

Sx$^&O+K7I@-V;z(M svmtrain -s 0 -c 1000 -t 1 -g 1 -r 1 -d 3 data_file VAHQ!cm+b*Q)t U
训练一个由多项式核(u'v+1)^3和C=1000组成的分类器。 u:p+jD5q"Pr
svmtrain -s 1 -n 0.1 -t 2 -g 0.5 -e 0.00001 data_file
JxJ&A.J8n t/D*[+Kd 在RBF核函数exp(-0.5|u-v|^2)和终止允许限0.00001的条件下，训练一个-SVM ( = 0.1)分类器。
9P |4Q'xM}7m
o[K!T svmtrain -s 3 -p 0.1 -t 0 -c 10 data_file
1| A {;}9R{+qI 以线性核函数u'v和C=10及损失函数= 0.1求解SVM回归。;^ 27118希望对你有帮助！

2. SVM最初开发语言是

SVM分类算法的实验报告,其中有c语言程序,还有数据集很全面。是数据挖掘、算法设计实验报告的绝佳参考svm算法c语言更多下载资源

3. 学习神经网络、SVM等机器学习的知识，为了更好的投入到应用当中，用matlab还是c++好呢

一般都是用MATLAB和python吧，用C++做机器学习有点太麻烦了。MATLAB和python就方便的

4. 支持向量机(SVM)中的参数C和gamma代表什么含义呢

C是惩罚系数，理解为调节优化方向中两个指标（间隔大小，分类准确度）偏好的权重，即对误差的宽容度，C越高，说明越不能容忍出现误差,容易过拟合，C越小，容易欠拟合，C过大或过小，泛化能力变差。

gamma是选择RBF函数作为kernel后，该函数自带的一个参数。隐含地决定了数据映射到新的特征空间后的分布，gamma越大，支持向量越少，gamma值越小，支持向量越多。支持向量的个数影响训练与预测的速度。

(4)svmc语言扩展阅读：

1、支持向量机（Support Vector Machine, SVM）是一类按监督学习方式对数据进行二元分类的广义线性分类器其决策边界是对学习样本求解的最大边距超平面。

2、SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。SVM可以通过核方法进行非线性分类，是常见的核学习方法之一。

5. 有没有用c或c++实现svm算法

林智仁 的libsvm 就是C实现的SVM算法代码,回答不能带链接,你去搜一下libsvm就能找到了.你可以找到他的主页,上面还会有算法的具体介绍,和libsvm的使用. 这个估计是使用最广泛的求解svm的工具包. 里面的代码都是可以看的.
理论的话,july写的一篇文章很经典, 搜索 支持向量机通俗导论(理解SVM的三层境界) 就能找到.
另外看楼主是想学习人工智能算法的, 附加一个学习神经网络的网络, <神经网络之家> nnetinfo ,专讲神经网络的,还有相关视频.
都是本人学习过程了解到的干货, 望采纳.

6. SVM如何调节惩罚因子C并输出分类结果图像

CvSVMParams::CvSVMParams() :
svm_type(CvSVM::C_SVC), kernel_type(CvSVM::RBF), degree(0),
gamma(1), coef0(0), C(1), nu(0), p(0), class_weights(0)

SVM种类：CvSVM::C_SVC C_SVC该类型可以用于n-类分类问题 (n>=2)，其重要特征是它可以处理非完美分类
的问题 (及训练数据不可以完全的线性分割)。它是最常被使用的SVM类型。
CvSVM::C_SVC - n(n>=2)分类器，允许用异常值惩罚因子C进行不完全分类。
CvSVM::NU_SVC - n类似然不完全分类的分类器。参数nu取代了c，其值在区间【0，1】中，nu越大，决策边界越平滑。
CvSVM::ONE_CLASS - 单分类器，所有的训练数据提取自同一个类里，然后SVM建立了一个分界线以分割该类在特征空间中所占区域和其它类在特征空间中所占区域。
CvSVM::EPS_SVR - 回归。 训练集中的特征向量和拟合出来的超平面的距离需要小于p。异常值惩罚因子C被采用。
CvSVM::NU_SVR - 回归；nu 代替了p
Kernel的种类：
CvSVM::LINEAR - 表示不需要进行映射，没有任何向映射至高维空间，线性区分（或回归）在原始特征空间中被完成，这是最快的选择。 d(x,y) = x?y == (x,y)
CvSVM::POLY - 多项式核: d(x,y) = (gamma*(x?y)+coef0)degree
CvSVM::RBF - 径向基，对于大多数情况都是一个较好的选择：d(x,y) = exp(-gamma*|x-y|2)
CvSVM::SIGMOID - sigmoid函数被用作核函数: d(x,y) = tanh(gamma*(x?y)+coef0)
CvSVM::RBF，貌似比 CvSVM::LINER 正确率高
degree：内核函数（POLY）的参数degree。
10.0（此次不使用）
gamma：内核函数（POLY/ RBF/ SIGMOID）的参数\gamma。
8.0
coef0：内核函数（POLY/ SIGMOID）的参数coef0
1.0（此次不使用）
C： Cvalue – SVM类型（C_SVC/ EPS_SVR/ NU_SVR）的参数C。
10.0
nu： SVM类型（NU_SVC/ ONE_CLASS/ NU_SVR）的参数 \nu。
0.5（此次不使用）
p：SVM类型（EPS_SVR）的参数 \epsilon。
0.1（此次不使用）
class_weights： – C_SVC中的可选权重，赋给指定的类，乘以C以后变成 class_weight_si * C。所以这些权重影响不同类别的错误分类惩罚项。权重越大，某一类别的误分类数据的惩罚项就越大。
term_crit: – SVM的迭代训练过程的中止条件，解决部分受约束二次最优问题。您可以指定的公差和/或最大迭代次数。
然后对训练数据正规化处理，并放在CvMat型的数组里。

7. svm能用字符型变量吗

字符型变量是用来保存单字符的一种变量：如：char a='a'; 而字符串就是用来保佑多个字符的变量，C语言中用字符数组来表式一个字符串 如：char name[]={"abcdefghikllllll"}。字符和字符串的区别在于是用双引号，还是单引号，双引号表字符串，单引号表字符，如："a"和'a' 第一个是字符串，而第二个是字符。

8. svm支持向量集可以用c实现么

用LIBSVM工具箱，它是由台湾大学林智仁（Chih-Jen Lin）等开发和设计的，它是一个简单、易于使用并且快速有效的SVM软件工具包，可以解决C-支持向量分类（C-SVC）、v-支持向量分类（v-SVC）、分布估计（one-class SVM）、e-支持向量回归

9. 求助 。。。libsvm 如何在vc下编写程序

libsvm是一个开源的软件，如果你想直接用svm，里面有编译好的可执行文件，有多种版本；如果你想修改代码，可以将windows子目录下的C++和C程序建一个工程，再根据你自己的研究内容修改即可。

10. 为什么林志仁的svm识别快、matlab自带的svm慢哪位大神讲解一下吧。

一个是C语言编写的，一个用脚本语言编写的，速度肯定不同。
基本上C语言是所有语言中最快的，仅次于汇编。