关于svm_train的参数问题

初次使用svm,不知道svm_train的参数该怎么设置,svm_train源码的注释里虽然有相关解释,但是看得云里雾里,如下:

Train an SVM model from data (y, x) or an svm_problem prob using
'options' or an svm_parameter param.
If '-v' is specified in 'options' (i.e., cross validation)
either accuracy (ACC) or mean-squared error (MSE) is returned.
options:
   -s svm_type : set type of SVM (default 0)
       0 -- C-SVC(multi-class classification)
       1 -- nu-SVC(multi-class classification)
       2 -- one-class SVM
       3 -- epsilon-SVR(regression)
       4 -- nu-SVR(regression)
   -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_set_file)
   -d degree : set degree in kernel function (default 3)
   -g gamma : set gamma in kernel function (default 1/num_features)
   -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 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 probability estimates, 0 or 1 (default 0)
   -wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
   -v n: n-fold cross validation mode
   -q : quiet mode (no outputs)

    在网上百度了很多例子,仿照别人的写,可仍然是报错

    关于svm_train的参数问题_第1张图片

    后来,看了svm_train的源代码,

[python]  view plain copy
  1.        prob, param = NoneNone  
  2. if isinstance(arg1, (list, tuple)):  
  3.     assert isinstance(arg2, (list, tuple))  
  4.     y, x, options = arg1, arg2, arg3  
  5.     param = svm_parameter(options)  
  6.     prob = svm_problem(y, x, isKernel=(param.kernel_type == PRECOMPUTED))  
  7. elif isinstance(arg1, svm_problem):  
  8.     prob = arg1  
  9.     if isinstance(arg2, svm_parameter):  
  10.         param = arg2  
  11.     else:  
  12.         param = svm_parameter(arg2)  
  13. if prob == None or param == None:  
  14.     raise TypeError("Wrong types for the arguments")</span>  

发现之所以错,是因为每次都是跳到最后一个if而不是我想要的第一个。由于对python还不是很熟,谷歌之后才知道isinstance方法第一个参数为对象,第二个为类型名或类型名的一个列表。其返回值为布尔型。若对象的类型与参数二的类型相同则返回True。若参数二为一个元组,则若对象类型与元组中类型名之一相同即返回True。即第一个参数要是list或者tuple类型才可以。

代码修改后,便输出了我想要的结果


为这个问题弄了一天,不知道该高兴还是伤心

PS:另外,通过查看parse_options函数源代码发现,第三个参数可以写成list形式,也可以写成str形式

你可能感兴趣的:(python,SVM)