libsvm 参数说明【中英文双语版本】_MATLAB 支持向量机_MATLAB技术论坛
利用Matlab_libsvm构造支持向量机回归算法
利⽤Matlab_libsvm构造⽀持向量机回归算法ticclear;clc;Fnum = 4; %输⼊个数/输出个数只能为1个TnumX = 0.8; %训练数据⽐例Terror = 0.2; %误差⼩于Terror的预测⽐例eps = 10^(-7); %误差阈值v=6; %交互检验% 寻找最佳c参数/g参数 CVcmax = 10;cmin = -10;gmax = 10;gmin = -10;cstep = 1;gstep = 1;msestep = 0.05;local = 'C:\Users\37989\Desktop\2688.xlsx';%数据⽂件地址data = xlsread(local);[Ynum,Xnum] = size(data);Train = data(randperm(Ynum),:);Tnum = round(TnumX * Ynum);TSnum = Ynum - Tnum; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%主要修改以上数据%以下代码不要修改% 训练集p_train = Train(1:Tnum,1:Fnum);%2:4 是回弹后的零件 5列是分组标记t_train = Train(1:Tnum,Fnum+1);% 测试集p_test = Train(Tnum + 1:Ynum,1:Fnum); %这个改了 R8000⽣成的只有3列t_test = Train(Tnum + 1:Ynum,Fnum+1);%⽆所谓%% 数据归⼀化% 训练集[pn_train,inputps] = mapminmax(p_train'); %归⼀化⽅法?pn_train = pn_train';[tn_train,outputps] = mapminmax(t_train');tn_train = tn_train';% 测试集pn_test = mapminmax('apply',p_test',inputps);pn_test = pn_test';tn_test = mapminmax('apply',t_test',outputps);tn_test = tn_test';%% SVM模型创建/训练% 寻找最佳c参数/g参数 CV[c,g] = meshgrid(cmin:cstep:cmax,gmin:gstep:gmax);[m,n] = size(c);cg = zeros(m,n);bestc = 0;bestg = 0;error1= Inf;count=1;%循环前h=waitbar(0,'正在计算....');for i = 1:ma=i;for j = 1:n%寻优的cmd参数应该与下⽂训练的cmd相符cmd = ['-v ',num2str(v),' -t 2',' -c ',num2str(2^c(a,j)),' -g ',num2str(2^g(a,j) ),' -s 3 -p 0.1 -q'];%0.01 cg(a,j) = svmtrain(tn_train,pn_train,cmd)*10000;if cg(a,j) < error1error1 = cg(a,j); %回归均⽅根误差bestc = 2^c(a,j);bestg = 2^g(a,j);endif abs(cg(a,j) - error1) <= eps && bestc > 2^c(a,j) %两次的mse相差很⼩取c较⼩的error1 = cg(a,j);bestc = 2^c(a,j);bestg = 2^g(a,j);endwaitbar(count/(m*n),h);count=count+1;endend[cg,ps] = mapminmax(cg,0,1);figure;set(gcf,'position',[0,100,1366,500]);%1 3 是宽度 2 4 是⾼度subplot(1,2,1)[C,h] = contour(c,g,cg,0.0023:msestep:0.5);clabel(C,h,'FontSize',14,'Color','r');xlabel('log_2C','FontName','Times','FontSize',14);ylabel('log_2g','FontName','Times','FontSize',14);firstline = 'SVR参数选择结果图(等⾼线图)[GridSearchMethod]';secondline = ['Best C=',num2str(bestc),' g=',num2str(bestg), ...' CVmse=',num2str(error1)];title({firstline;secondline},'Fontsize',14);grid on;set(gca,'xtick',[cmin:cstep:cmax]);set(gca,'ytick',[gmin:gstep:gmax]);subplot(1,2,2)meshc(c,g,cg);% mesh(X,Y,cg);% surf(X,Y,cg);axis([cmin,cmax,gmin,gmax,0,1]);xlabel('log_2C','FontName','Times','FontSize',14);ylabel('log_2g','FontName','Times','FontSize',14);zlabel('MSE','FontName','Times','FontSize',14);firstline = 'SVR参数选择结果图(3D视图)[GridSearchMethod]';secondline = ['Best C=',num2str(bestc),' g=',num2str(bestg), ...' CVmse=',num2str(error1)];title({firstline;secondline},'Fontsize',14);%% 创建/训练SVM%参考libsvm使⽤说明对cmd参数修改cmd=[' -t 2',' -c ',num2str(bestc),' -g ',num2str(bestg),' -s 3 -p 0.001 '];model = svmtrain(tn_train,pn_train,cmd);%% SVM仿真预测[Predict_2,error_2,decision_values] = svmpredict(tn_test,pn_test,model);% 反归⼀化F= mapminmax('reverse',Predict_2,outputps);toc%% 输出结果E =F - t_test;E =F - t_test;percent=sum(E<Terror)/TSnum*100;MSE=sum(E.^2)/TSnum;mse_norm =error_2(2);R2=error_2(3);SD=std(E);Result=[t_test,F,abs(t_test-F)];fprintf('%4.3f\t%4.3f\t%4.3f\n',Result');fprintf(['\nc=%4.4f g=%4.4f\nSTD=%4.4f MSE=%4.4f R^2 =%4.5f Max=%4.4f',... ' Min =%4.4f Range=%4.4f 误差在%s内=%4.2f%%\n'],bestc,bestg,SD,MSE,... R2,max(E),min(E),max(E)-min(E),num2str(Terror),percent)。
libsvm参数说明
libsvm参数说明简介libsvm是一个支持向量机（Support Vector Machine，SVM）的软件包，由台湾大学林智仁教授等人开发。
它提供了用于二分类和多分类的高效实现，并支持回归和异常检测。
libsvm的主要优势在于其高效的内存使用和计算速度，尤其适用于处理小到中等规模的数据集。
它支持多种核函数，包括线性核、多项式核、高斯核等，可以灵活地适应不同的数据特征。
在使用libsvm进行机器学习任务时，我们需要了解它的参数设置，以便根据具体情况进行调整，以获得更好的性能。
参数说明-s type这个参数用于设置SVM的类型，即用于解决什么类型的问题。
常用的取值有：•0：C-SVC（用于多分类问题）•1：nu-SVC（用于多分类问题）•2：one-class SVM（用于异常检测问题）•3：epsilon-SVR（用于回归问题）•4：nu-SVR（用于回归问题）-t kernel_type这个参数用于设置核函数的类型。
常用的取值有：•0：线性核函数•1：多项式核函数•2：高斯核函数•3：径向基核函数•4：sigmoid核函数-c cost这个参数用于设置惩罚因子（C）的值。
C越大，对误分类的惩罚越重，容错率越低；C越小，对误分类的惩罚越轻，容错率越高。
-g gamma这个参数用于设置高斯核函数和径向基核函数的gamma值。
gamma越大，决策边界越复杂，容易过拟合；gamma越小，决策边界越简单，容易欠拟合。
-p epsilon这个参数用于设置epsilon-SVR中的epsilon值，表示对于回归问题的容错范围。
epsilon越小，容错范围越小，模型越精确；epsilon越大，容错范围越大，模型越宽松。
-n nu这个参数用于设置nu-SVC、one-class SVM和nu-SVR中的nu值，表示支持向量的比例。
nu越大，支持向量的比例越高，模型越复杂；nu越小，支持向量的比例越低，模型越简单。
Matlab下libsvm的配置使用【转】
Matlab下libsvm的配置使⽤【转】LIBSVM是⼀个由台湾⼤学林智仁(Lin Chih-Jen)教授等开发的SVM模式识别与回归的软件包，使⽤简单，功能强⼤，能够在matlab中使⽤。
⼀、安装1.下载在LIBSVM的主页上下载最新版本的软件包（libsvm-3.20），并解压到合适⽬录中。
2.编译如果你使⽤的是64位的操作的系统和Matlab，那么不需要进⾏编译步骤，因为⾃带软件包中已经包含有64位编译好的版本：libsvmread.mexw64、libsvmwrite.mexw64、svmtrain.mexw64、svmpredict.mexw64。
否则，需要⾃⼰编译⼆进制⽂件。
⾸先在matlab中进⼊LIBSVM根⽬录下的matlab⽬录（如C:\libsvm-3.20\matlab），在命令窗⼝输⼊>>mex -setup然后Matlab会提⽰你选择编译mex⽂件的C/C++编译器，就选择⼀个已安装的编译器。
之后Matlab会提⽰确认选择的编译器，输⼊y进⾏确认。
然后可以输⼊以下命令进⾏编译。
>>make注意，Matlab或VC版本过低可能会导致编译失败，建议使⽤最新的版本。
编译成功后，当前⽬录下会出现若⼲个后缀为mexw64（64位系统）或mexw32（32位系统）的⽂件。
3.重命名（可选，但建议执⾏）编译完成后，在当前⽬录下回出现svmtrain.mexw64、svmpredict.mexw64（64位系统）或者svmtrain.mexw32、svmpredict.mexw32（32位系统）这两个⽂件，把⽂件名svmtrain和svmpredict相应改成libsvmtrain和libsvmpredict。
这是因为Matlab中⾃带有SVM的⼯具箱，⽽且其函数名字就是svmtrain和svmpredict，和LIBSVM默认的名字⼀样，在实际使⽤的时候有时会产⽣⼀定的问题，⽐如想调⽤LIBSVM的变成了调⽤Matlab SVM。
libsvm简介和函数调用参数说明
libsvm简介和函数调⽤参数说明1. libSVM简介libSVM是台湾林智仁(Chih-Jen Lin) 教授2001年开发的⼀套⽀持向量机库，这套库运算速度挺快，可以很⽅便的对数据做分类或回归。
由于libSVM程序⼩，运⽤灵活，输⼊参数少，并且是开源的，易于扩展，因此成为⽬前国内应⽤最多的SVM的库。
本实验使⽤libSVM3.18版本。
2. libSVM3.18包含的内容（1）Java⽂件夹，主要应⽤于java平台；（2）Python⽂件夹，是⽤来参数优选的⼯具，稍后介绍；（3）tools⽂件夹，主要包含四个python⽂件，⽤来数据集抽样(subset)，参数优选（grid），集成测试(easy), 数据查(checkdata)；（4）windows⽂件夹 —— 包含libSVM四个exe程序包，我们所⽤的库就是他们，⾥⾯还有个heart_scale，是⼀个样本⽂件，可以⽤记事本打开，⽤来测试⽤的。
（5）svm-toy⽂件，⼀个可视化的⼯具，⽤来展⽰训练数据和分类界⾯，⾥⾯是源码，其编译后的程序在windows⽂件夹下；（6）heart_scale⽂件，是测试⽤的训练⽂件（7）其他.h和.cpp⽂件都是程序的源码，可以编译出相应的.exe⽂件。
其中，最重要的是svm.h和svm.cpp⽂件，svm-predict.c、svm-scale.c和svm-train.c（还有⼀个svm-toy.c在svm-toy⽂件夹中）都是调⽤的这个⽂件中的接⼝函数，编译后就是windows下相应的四个exe程序。
另外，⾥⾯的 README 跟 FAQ 是很好的帮助⽂件。
3. 最简单的SVM实验（1）⾸先解压⼯具包，切记⼯具包解压到英⽂的⽬录，因为很多DOS⽆法输⼊中⽂；（2）由于SVM的执⾏必须有参数，所以必须在DOS下输⼊执⾏⽂件，并输⼊参数才能运⾏，所以先打开MS-DOS，Win+R；（3）定位到SVM中的windows⽬录下，DOS命令见附录1，我的⽬录是：D:\MyTests\SVM\libSVM-3.18\windows；（4）进⾏训练，输⼊命令：svm-train heart_scale train.model，其中heart_scale是训练⽂本（如图1）、train.Model是训练后的输出⽂本，输出权系数及各⽀持向量。
libsvm简单介绍
在用林智仁老师的LIBSVM-2.82做SVM回归的过程中，深深得益于网上共享的学习笔记以及一些热心网友的帮助（哪怕只是一句提醒），前面想着一定要写个学习笔记。
自己会用了之后，突然发现原来值得讲出来的实在很少，甚至不想再写什么。
想到自己花大概两个月才把一个程序跑明白，觉得还是因为其中有些让自己头疼的问题的，想必其他学习者未尝不需要多花功夫琢磨这些，未免浪费时间（技术问题嘛），还是写一个简单的学习笔记，把自己觉得最要弄明白的难点记下来吧。
装microsoft Visualstudio 6.0（是装python需要的，可能是需要c语言的环境吧）装gnuplot :gp400win32装python试运行程序中遇到的问题读PYTHON写的GRID.PY程序问题1：程序的路径指定问题在程序的相关语句中指出调用的程序的路径注意类似：D:\programm files\gnuplot.exe 这样的路径会报错，因为程序在读语句时在programm后面断句，而不是把programm files整体当作一个路径问题2：命令行运行PYTHON 以及输入参数E:\libsvm-2.82\tools>python gridregcopy.py,首先进入到PYTHON程序的上一级路径然后用python接程序名称以及参数当时的问题是怎么也弄不明白PYTHON程序自带的几个操作窗口都不能进行程序的运行。
呵呵，好像都只是脚本编辑器（反正我能用命令行运行就可以了——何况加一个"！"就可以在MA TLAB中执行）。
另外关于参数，读原程序怎么也不懂，看了魏忠的学习笔记才明白的：OS.ARGV可以在命令行输入，作为OS.ARGV列表的值。
但是注意OS.ARGV[0]默认的就是所执行的程序本身,也就是除了输入的N个参数，OS.ARGV列表实际上有N+1个值，其中输入的第一个参数就是OS.ARGV[1]，也就是它的第二个参数。
libsvm默认参数
libsvm默认参数摘要：1.引言2.libsvm 的概述3.libsvm 的默认参数4.如何设置libsvm 的默认参数5.结论正文：1.引言支持向量机（Support Vector Machine，SVM）是一种非常强大和灵活的监督学习算法，可以应用于各种问题，包括分类和回归。
在SVM 中，libsvm 是一个非常受欢迎的开源软件库，提供了丰富的功能和良好的性能。
然而，对于初学者来说，libsvm 的默认参数可能会让人感到困惑。
在本文中，我们将介绍libsvm 的默认参数，以及如何设置它们。
2.libsvm 的概述libsvm 是一个开源的机器学习库，它提供了支持向量机（SVM）的实现。
libsvm 包含了许多功能，如分类、回归、多任务学习等。
它还有一个易于使用的命令行界面，用户可以通过命令行界面来训练模型、进行预测等。
3.libsvm 的默认参数libsvm 中的默认参数是在其内部算法中使用的参数。
这些参数对于初学者来说可能不太容易理解，但它们对于获得良好的性能非常重要。
libsvm 中的默认参数包括以下内容：- C：C 是一个超参数，用于控制模型的复杂度。
较小的C 值会导致更简单的模型，而较大的C 值会导致更复杂的模型。
- kernel：核函数是用于将输入数据投影到高维空间的函数。
libsvm 中的默认核函数是线性核。
- degree：度数是用于指定多项式核函数的阶数。
- gamma：gamma 是一个超参数，用于控制核函数的形状。
- coef0：coef0 是一个超参数，用于控制多项式核函数中的独立项。
4.如何设置libsvm 的默认参数用户可以通过修改libsvm 的配置文件或者在命令行中设置参数来修改默认参数。
以下是一些常见的参数设置方法：- 使用配置文件：用户可以在libsvm 的安装目录下找到config.txt 文件，该文件包含了所有可用的参数及其默认值。
用户可以编辑该文件，以设置所需的参数。
libsvm参数
libsvm参数
LibSVM 是一个支持向量机的实现工具，其参数包括：
1. -s svm_type：SVM 模型的类型，可选参数有：0 C-SVC，1 nu-SVC，2 one-class SVM，3 epsilon-SVR，4 nu-SVR。
2. -t kernel_type：SVM 对应的核函数的类型，可选参数有：0 线性核，1 多项式核，2 RBF 核，3 sigmoid 核，4 precomputed kernel。
3. -c cost：C-SVC，nu-SVC 和epsilon-SVR 模型中的代价因子，值越大，模型对误分类的惩罚就越大。
4. -p epsilon：epsilon-SVR 模型中的精度控制，表示对预测值的容忍程度。
5. -n nu：nu-SVC，one-class SVM 和nu-SVR 模型中的参数，表示支持向量的占比。
6. -d degree：多项式核函数中的数值，表示多项式的次数。
7. -g gamma：RBF 核函数和多项式核函数中的数值，表示核函数的衰减速度。
8. -r coef0：多项式核函数和sigmoid 核函数中的数值。
9. -e epsilon：训练过程中的停止精度，如果误差小于该值，则停止优化。
以上是一些常用的LibSVM 参数，根据不同的任务和数据特征，需要结合具体情况选择适合的参数。
libsvm参数说明
libsvm参数说明（实用版）目录1.引言2.LIBSVM 简介3.LIBSVM 参数说明4.使用 LIBSVM 需要注意的问题5.结束语正文1.引言支持向量机（Support Vector Machine, SVM）是一种非常强大和灵活的监督学习算法，它可以用于分类和回归任务。
在 SVM 的研究和应用中，LIBSVM 是一个非常重要的工具，它为 SVM 的实现和应用提供了强大的支持。
本文将对 LIBSVM 的参数进行详细的说明，以帮助读者更好地理解和使用这个工具。
2.LIBSVM 简介LIBSVM 是一个开源的 SVM 实现库，它提供了丰富的功能和接口，可以支持多种操作系统，包括 Windows、Linux 和 Mac OS 等。
LIBSVM 主要包括三个部分：svm-train、svm-predict 和 svm-plot。
svm-train 用于训练 SVM 模型，svm-predict 用于预测新数据，svm-plot 用于绘制各种图表，以便于观察和分析模型性能。
3.LIBSVM 参数说明LIBSVM 的参数设置对于模型的性能至关重要。
以下是一些常用的参数及其说明：- -train：用于指定训练数据的文件名。
- -test：用于指定测试数据的文件名。
- -model：用于指定模型文件的名称。
- -参数：用于设置 SVM 模型的参数，例如 C、核函数等。
- -cache-size：用于设置缓存大小，以加速训练过程。
- -tolerance：用于设置收敛阈值，控制训练过程的终止条件。
- -shrinking：用于设置是否使用启发式方法进行训练。
- -probability：用于设置是否计算预测概率。
4.使用 LIBSVM 需要注意的问题在使用 LIBSVM 时，需要注意以下问题：- 设置合适的参数：LIBSVM 的参数设置对模型性能有很大影响，需要根据具体问题和数据集进行调整。
- 特征选择：在实际应用中，特征选择对于模型性能至关重要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
probability estimates, 0 or 1 (default 0)
技
-wi weight: set the parameter C of class i to weight*C, for C-SVC (default
1) -v n: n-fold cross validation mode ========================================================== Chinese: Options：可用的选项即表示的涵义如下 -s svm类型：SVM设置类型(默认0)
串个门 打招呼
加好友 发消息
farut o
ht t p:///farut o ht t p://w e /farut o
MA T LA B教学视频和经典教程等，全传资源打包下载，只需99元！
回复
使用道具 评分 举报
发表于 2011-2-28 11:58:28 | 只看该作者
串个门 打招呼
加好友 发消息
ht t p:///farut o ht t p://w e /farut o
回复
使用道具 评分 举报
熵钟
发表于 2011-2-26 20:09:42 | 只看该作者
地板
Google 提供的广告
回复 faruto 的帖子
► 中英文翻译
6楼
MA T LA B原创精华教程帖，让大神带你领略MA T LA B的风采！
回复 faruto 的帖子
校长，我觉得你还可以再奋斗一下，把ultimateFrauto 那个工具包的SVMcgforClass等函数再加一个寻找核函数和分类器的类 型，并且显示出来。我以前听一个香港理工大学做算法的教授讲座，他说做sv m先要选择核函数，核函数决定能不能分类， 然后才是调节参数，c 和g决定分类效果。而且，我看很多用到sv m的科研论文都会报告说用哪种核函数效果比较好。因为核 函数和数据结构有关系。 此外，bestacc也不是很好的指标，一定要报告正例和反例的预测正确率才有用，如果正例占的比例是90%，那么，向量机 即使没有一点分类能力，也能够得到90%的总正确率。但是，它在反例上的正确率必然是0，画ROC曲线就能发现。如果用 信号检测论的公式计算， 区别能力D=|z（p(A)）|+|z(p(B))|,即，正反两例的命中率的Z分数的绝对值之和，才是真正有用的指标。
0.5) -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1) -m cachesize : set cache memory size in MB (default 100) -e epsilon : set tolerance of termination criterion (default 0.001) -h shrinking: whether to use the shrinking heuristics, 0 or 1 (default 1) -b probability_estimates: whether to train a SVC or SVR model for
0 -- C-SVC 1 -- nu-SVC 2 -- one-class SVM 3 -- epsilon-SVR 4 -- nu-SVR -t kernel_type : set type of kernel function (default 2) 0 -- linear: u'*v 1 -- polynomial: (gamma*u'*v + coef0)^degree 2 -- radial basis function: exp(-gamma*|u-v|^2) 3 -- sigmoid: tanh(gamma*u'*v + coef0) 4 -- precomputed kernel (kernel values in training_instance_matrix) -d degree : set degree in kernel function (default 3) -g gamma : set gamma in kernel function (default 1/k) -r coef0 : set coef0 in kernel function (default 0) -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1) -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default
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。
分享到: QQ空间 腾讯微博 腾讯朋友
分享 1
收藏 21
鲜花 6
鸡蛋 0
评分
M ›查看: 24›640 | 回复: 48
[教程› ] libsvm 参数说明【› 中英文双语版本›】
[复制链接]
farut o
发表于 2010-12-28 00:35:29 | 只看该AT 官方团队
farut o不知何许人也~
签到天数: 9 天
2/6
2014年9月3日
farut o
libsvm 参数说明【中英文双语版本】| MATLAB 支持向量机| MATLAB技术论坛
发表于 2011-2-26 07:34:00 | 只看该作者
Google 提供的广告
► Matlab算法
► Matlab應用
► Svm
板凳 ► 向量
熵钟 发表于 2011-2-25 09:49 回复 faruto 的帖子
转发到微博
ht t p:///farut o ht t p://w e /farut o
回复
发表于 2011-2-25 09:49:56 | 只看该作者
使用道具 举报 沙发
初中
该用户从未签到
UID 主题 帖子 积分
威望 贝壳 贡献
73593 44 108 527 5 103 137
► Matlab
► 中英文翻譯
► Sky blog
谢谢！我看了林志仁的论文……具体在做分类时，还是要尝试下哪种sv m效果好，才知道数据x 与y 的函数类型对吧？
初中
该用户从未签到
UID 主题 帖子 积分
威望 贝壳 贡献
73593 44 108 527 5 103 137
串个门 打招呼
加好友 发消息
UID 主题 帖子 积分
威望 贝壳 贡献 软件版本 研究领域
18677 380 5811 17723 290 2843 12648 R2014a(8.3 )金融建模
串个门 打招呼
加好友 发消息
熵钟
初中
该用户从未签到
UID 主题 帖子 积分
威望 贝壳 贡献
73593 44 108 527 5 103 137
► 英文翻译
3/6
2014年9月3日
libsvm 参数说明【中英文双语版本】| MATLAB 支持向量机| MATLAB技术论坛 谢谢！我看了林志仁的论文……具体在做分类时，还是要尝试下哪种svm效果好，才知道数据 ...
对是的~
官方团队 farut o不知何许人也~
签到天数: 9 天
[LV.3]偶尔看看II
串个门 打招呼
加好友 发消息
回复 faruto 的帖子
校长，sv m类型，-s前三个是分类的，后两个是回归的，我想问三个分类的sv c 各有什么区别？两个回归类型的sv r又有什么 区别？
回复
使用道具 评分 举报
/thread-12380-1-1.html
1/ k) -r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0) -c cost：设置C-SVC，e -SVR和v-SVR的参数(损失函数)(默认1) -n nu：设置v-SVC，一类SVM和v- SVR的参数(默认0.5) -p p：设置e -SVR 中损失函数p的值(默认0.1) -m cachesize：设置cache内存大小，以MB为单位(默认40) -e eps：设置允许的终止判据(默认0.001) -h shrinking：是否使用启发式，0或1(默认1) -wi weight：设置第几类的参数C为weight*C(C-SVC中的C)(默认1) -v n: n-fold交互检验模式，n为fold的个数，必须大于等于2 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
/thread-12380-1-1.html
1/6
2014年9月3日
熵钟
libsvm 参数说明【中英文双语版本】| MATLAB 支持向量机| MATLAB技术论坛 0 -- C-SVC 1 --v-SVC 2 – 一类SVM 3 -- e -SVR 4 -- v-SVR -t 核函数类型：核函数设置类型(默认2) 0 – 线性：u'v 1 – 多项式：(r*u'v + coef0)^degree 2 – RBF函数：exp(-gamma|u-v|^2) 3 –sigmoid：tanh(r*u'v + coef0) -d degree：核函数中的degree设置(针对多项式核函数)(默认3) -g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)(默认
[LV.3]偶尔看看II