关于SVM算法 python实现

 

SVM简介

SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

SVM的主要思想可以概括为两点：

它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。

 

它基于结构风险最小化理论之上在特征空间中构建最优超平面，使得学习器得到全局最优化，并且在整个样本空间的期望以某个概率满足一定上界。

 

下面调用libsvm简单体验一下。

import os
os.chdir('D:\libsvm-3.22\windows')
from svmutil import *
from grid import *

rate, param = find_parameters('train.1.txt', '-log2c -3,3,1 -log2g -3,3,1')
y, x = svm_read_problem('train.1.txt')#读入训练数据
yt, xt = svm_read_problem('train.2.txt')#训练测试数据
m = svm_train(y, x ,'-t 2 -c 2 ')#开始训练
p_label,p_acc,p_vals=svm_predict(yt,xt,m)#进行测试