Java使用LibSVM(1)

什么是LibSVM?

 LibSVM是台湾林智仁(Chih-Jen Lin)教授2001年开发的一套支持向量机的库,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。

下载地址:https://github.com/cjlin1/libsvm

Java配置LibSVM

【第一步】

Git 上下载后libsvm后,打开里面的java文件夹,如图

【第二步】

将【libsvm】这个文件夹直接复制到工程之中(当然你也可以用libsvm.jar,但为了更好的追踪源码,笔者在此选择了源代码文件夹)

【第三步】

将【svm_predict.java】【svm_scale.java】【svm_toy.java】【svm_train.java】这四个工具类的java文件复制进你的工程中,这四个文件进一步简化了libsvm库的使用


项目结构如图

准备训练数据

libsvm需要按照自己的格式准备数据,才可以执行。

格式要求如下:

 label1 index1:value1 index2:value2...

 label2 index1:value1 index2:value2... 

...

label 就是标签 index是标号,value就是这个标号下的值。举个例子,班里有4个同学,两男两女。两个男生身高体重分别为171cm,65kg,173cm,66kg,两个女生的升高体重分别为156cm,45kg,157,46kg。男生用标签1代替,女生用-1来代替。这样我们可以建立如下格式的数据:

1 1:171 2:65

1 1:173 2:66

2 1:156 2:45

2 1:157 2:46

保存到trainfile文件下命名为train1.txt有人肯定会质疑第一列是身高,第二列是体重,还干嘛要标志1和2呢?其实,在实际的预测分类中,每一行数据不是所有的属性都有值的,可能只有一部分,这样就需要一个标号来告诉程序,这个属性值是哪一列。

预测数据

预测数据同样按照训练数据那样准备,由于我们是预测,所以标号可以全部用1或者别的来代替。保存到trainfile文件下命名为train2.txt

编写代码

新建一个class,编写如下代码

import java.io.IOException;

import service.svm_predict;

import service.svm_train;

public class comMain {

/**

* @param args

* @throws IOException

*/

public static void main(String[] args) throws IOException {

// TODO Auto-generated method stub

String[] arg = { "trainfile\\train1.txt", // 存放SVM训练模型用的数据的路径

"trainfile\\model_r.txt" }; // 存放SVM通过训练数据训/ //练出来的模型的路径

String[] parg = { "trainfile\\train2.txt", // 这个是存放测试数据

"trainfile\\model_r.txt", // 调用的是训练以后的模型

"trainfile\\out_r.txt" }; // 生成的结果的文件的路径

System.out.println("........SVM运行开始..........");

// 创建一个训练对象

svm_train t = new svm_train();

// 创建一个预测或者分类的对象

svm_predict p = new svm_predict();

t.main(arg); // 调用

p.main(parg); // 调用

}

}

运行



具体参数说明,请参考第二章

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,372评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,368评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,415评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,157评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,171评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,125评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,028评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,887评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,310评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,533评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,690评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,411评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,004评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,812评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,693评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,577评论 2 353

推荐阅读更多精彩内容