本文主要是介绍LibSVM 训练数据集和获得的决策函数模型，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
- 一、LibSVM
- 二、数据格式和模型参数
- 三、手工制作二分类的Iris数据集
- 总结
- 参考
一、LibSVM
-
LIBSVM是台湾大学林智仁教授等开发的一个简单易用、快速有效的SVM、SVR的开源软件包，有各种语言接口，包括python、matlab和java等。现在有很多的机器学习软件包的SVM，SVR都是基于LIBSVM开发的。软件包里超参优化方法是网格法，即按照超参的范围和步长，遍历所有超参的组合可能，最后在训练集上平均准确率最高的那一组参数作为最佳参数。
-
下载地址选择Download LibSVM，zip 文件点击下载。
二、数据格式和模型参数
- LIBSVM的数据格式如下，一行是一个样本，行首是标签（类别编码，二分类时是-1或者1），然后是特征编码：特征的值一组一组的依次排列，组与组之间用空格分开。这样的数据格式的好处是，某些值为0的特征在数据储存时可以省略，因为有特征编号的存在，读数据的时候知道哪些值应该补全。
label < space > 1: feature 1 < space > 2:Feature 2 < space >...... < space > n: feature n1 - 模型参数解析
SVM，支持向量机，它最本质的含义其实应该是最优分类超平面&
这篇关于LibSVM 训练数据集和获得的决策函数模型的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
