- 很多问题能在FAQ中找到：http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html
- Grid search选参数很重要！ 在一次训练数据100%正确率，测试数据只有50%多后深有体会，代码见：http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html#f803
- 无需自己写cross-validation程序， 用 -v参数即可（但返回值只有正确率了），代码和Grid search链接相同
- 多类问题，自动支持，有几类设置几种标签即可，采用 1-vs-1的方法，如果要用1-vs-rest，可以参看：http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html#f808
- 数据unblance问题：通过 -w参数设置权重，具体参见README和http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html#f410
本文是从LIBSVM的guide中抽出来的要点： http://www.csie.ntu.edu.tw/~cjlin/libsvm/
1、简介
略
2、数据预处理
- ①特征较少时用one-hot code表示，也即有加入分RGB三种颜色，不要R用1，G用2，B用3表示，而是应该用三维向量 (1,0,0), (0,1,0), (0,0,1)表示这三种颜色。
- ②特征的scaling问题：建议将特征缩放到区间[-1,1]或[0, 1] (线性地缩放)
3、核函数的选择
- 一般径向基函数（RBF）比较好；
- 特征维度很高时最好采用Linear kernal
4、参数选择--交叉验证和grid搜索
目标：在测试数据上取得高的正确率（而非在训练数据上！）
k-fold 交叉验证(cross validation):将训练集分为k份，1份做验证，其他k-1份做训练。如此，可以训练k、验证k次，求取平均正确率作为衡量标准。 这样可以有效防止过拟合。
对于参数C和径向基函数的参数γ，可以采用由粗到精的搜索策略。
如先在C=2^-3, 2^-2,..., 2^10; γ=2^-7, ... 2^-3的网格上搜索最优值，
再在其附近的网格内细分网格进行搜索。 （可以并行~~~）
对于大数据集，一个策略是先随机选一部分在粗网格上选取最优参数，再在细化最优参数时对整个训练集进行参数的网格搜索。
选取到最优参数后，再用这组参数重新利用整个训练集进行训练。
5、适于使用linear核函数而非径向基函数的情况
- 样本数<<特征维数，
- 样本数和特征维数都很大，适于使用LIBLINEAR工具箱（比LIBSVM快很多）。
- 样本数>>特征维数，适于使用LIBLINEAR工具箱。
LIBLinear工具箱： http://www.csie.ntu.edu.tw/~cjlin/index.html