svm理论与实验之11:svm开发工具包LibSVM

徐海蛟博士 Teaching.


光说不练，很难真正理解svm的妙处，也难以真正实用。所以，有必要跟着徐海蛟老师一起练习svm。svm理论和工具已经很成熟了。童鞋们并不需要手写每一行代码。一个非常好用的开发工具包是LibSVM，支持C++、Java、Matlab语言。libSVM只是众多SVM实现版本中的其中之一。


LibSVM是台湾大学林智仁(Chih-Jen Lin) 教授2001年开发的一套svm支持向量机的库，这套库运算速度还是挺快的，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。


这套库可以从官网免费获得，目前已经发展到3.17版（2013年4月）。Libsvm ReadMe中文说明文件在。下载.zip格式的版本，解压后可以看到，主要有6个文件夹和一些c++源码文件。


Java ―― 主要是应用于java平台；
Matlab ―― 主要是应用于matlab平台；
Python ―― 是用来参数优选的工具，稍后介绍；
svm-toy ―― 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；
tools ―― 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), 数据检查(checkdata)；
windows ―― 包含libSVM四个exe程序(svm-scale,svm-toy,svm-train,svm-predict)。


svm-scale:一个用于对输入数据进行归一化的简易工具;
svm-toy:一个带有图形界面的交互式SVM二分类功能演示小工具；
svm-train：对用户输入的数据进行SVM训练。其中，训练数据是按照以下格式输入的：
<类别号> <索引1>：<特征值1> <索引2>：<特征值2>...
svm-predict：根据SVM训练得到的模型，对输入数据进行预测，即分类。


在目录libsvm-3.17\下，还有heart_scale，是一个样本文件，包含270个正反例样本点，可以用记事本打开，用来测试用的。


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\windows\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 也是很好的文件，对于初学者如果E文过得去，可以看一下。PS:《libsvm最新ReadMe中文档New2013》在csdn里面有下载。


下面以svm-train为例，简单的介绍下，怎么编译：（这步很简单，也没必要，对于仅仅使用libsvm库的人来说，windows下的4个exe包已经足够了，之所以加这步，是为了那些做深入研究的人，可以按照自己的思路改变一下svm.cpp，然后编译验证）


VC 6.0为例，新建一个控制台（win32 console application）程序，程序名叫svm-train（这个可以随意），点击OK后，选择empty。
进入程序框架后，里面什么都没有，然后找到你的程序目录，把svm-train.c、svm.h和svm.cpp拷贝过去（.c文件是c语言的，要是你习惯了c++，你尽可以改成.cpp），然后把这3个文件添加到工程，编译。。。如果没错误，到debug下面看看，是不是有个svm-train.exe。其实windows下的svm-train.exe就是这样编译出来的。


怎么样是不是很简单。但是，这样的程序直接运行没意义，他要在dos下运行，接收参数才行。下面开始我们的libsvm的体验之旅。


类似地，如果是使用Java版本的Libsvm，在myeclipse里面很快搞定。


windows\的子文件夹，里面有一个名为svm-toy.exe的可执行文件，这个小玩意儿是比较直观地感受下svm的分类效果，它是一个带有图形界面的交互式SVM二分类功能演示小工具。直接双击，运行该可执行文件。


点击第二个按钮“Run”,然后，在左上部分，用鼠标左键随机点几下，代表你选择的第一类模式的数据分布。


之后，点击“Change”，接着，用鼠标左键在窗口右下方随便点击几下，代表你选择的第二类模式的数据分布，如下图所示:

接着，点击“Run”,libSVM就帮你把这两类模式分开了，并用两种不同的颜色区域来代表两类不同的模式，如下图所示：

图中左上方色的区域，是第一类模式所在的区域，右下方的区域，是你选择的第二类模式所在的的区域，而两者的分界面，也就是SVM的最优分类面。当然，SVM是通过核函数将原始数据映射到高维空间，在高维空间进行线性分类。换句话说，在高维空间，这两类数据应该是线性可分的，即：最优分类面应该是一条直线，而这里看到的，是将高维空间分类的结果又映射回原始空间所呈现的分类结果，即：非线性的分类面。

细心的朋友可能已经发现，在上述界面的右下角，有一个编辑框，里面写着“-t 2 -c 100”，显然，这是libSVM的一些参数: 径向基核函数，惩罚因子100，你也可以试着更改这些参数，来选择不同的核函数、不同的SVM类型等来达到最好的分类效果。