[RD] 如何使用 libSVM

以下紀錄使用 libsvm 的簡易方法：

注意：假設有 N 類要作 trainning，train_data 的 feature 排列的前 N 個需要由 0 ~ (N-1) 順序排列

1. 針對訓鍊資料作 scaling, 並且產生 scale 檔案 scale_para

    svm-scale -s scale_para train_data > train_data.scale
   

2. 利用 scale_para 針對測試資料作 scaling

    svm-scale -r scale_para test_data > test_data.scale
   

3. 找出較佳的 -c 和 -g 參數給 svm-train

    grid.py train_data.scale
   

4. 產生一個 model 檔案

    svm-train -c 2.0 -g 0.03125 -t 2 -b 1 train_data.scale (train_data.scale.model will be generated)
   

5. 運用該 model 檔案針對測試資料作預測

    svm-predict -b 1 test_data.scale train_data.model train_data.scale.out
   

svm.h 和 svm.cpp 可以在 libSVM 包當中找到！程式碼當中用這兩個檔案把 training 好的 model load 進來，並且做分類！

參考資料：

1. LIBSVM – A Library for Support Vector Machines
2. piaip’s Using (lib)SVM Tutorial

…