獲得

tw.edu.ntu.csie

libsvm

3.17

libsvm-3.17.jar的結構見下圖，

default package:這里是工具制作者自己封裝出來的一些類，它們都有main函數，可作為小工具直接使用。

libsvm package：核心文件。

關于default package：因為里面的類不在任意一個package中，所以我們的工程無法引用。解決辦法是，通過maven得到源代碼，然后復制粘貼到我們的package下面。

svm_train的輸入為訓練集，輸出為得到的訓練模型。

svm_predict的輸入為待預測數據，輸出為得到的預測結果。

它們的輸入輸出都是文件。

訓練集

libsvm官方提供了一些訓練集：http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/

其中有一個breast-cancer訓練集，見圖:

格式為： label featurIndex1:value1featurIndex2:value2 ?...

訓練模型model

它是一個文本文件，內容見圖：

預測

本例中直接把訓練集作為待預測集，結果見下：

預測集與訓練集一樣，每一行都要有label標簽。當我們用已知的結果來檢驗預測的準確性時，那么下行輸出的準確性統計就是真實的：

Accuracy = 90.9090909090909% (10/11) (classification)

當我們預測未知數據時(大多數情況都屬于這一種)，那么這行信息忽略就可以了。

代碼

參數設置

-b 表示是否攜帶準確性估計信息。

訓練階段與預測階段都需要攜帶-b參數。例：

String[] testArgs = {"-b","1","d:/libsvm/breast-cancer.predict.txt", "d:/libsvm/breast-cancer.model", "d:/libsvm/breast-cancer.predict.result.txt"};此時，預測結果的輸出為：

第一行是標簽的集合。

從第二行開始，格式為： 預測結果 ? ?預測準確的概率 ???預測不準確的概率

原文：http://blog.csdn.net/chuchus/article/details/45645579

總結

以上是生活随笔為你收集整理的libsvm java api文档,libsvm-javaAPI的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。