使用具有最佳 C 和 Gamma 的 libsvm 训练数据

Question

您好，我正在使用 libsvm（在 VS2010 中）来训练我的数据，我使用 svm-scale.c 成功缩放了输入和输出数据，并且我的数据已准备好接受训练...

现在我有两个问题：

1)。

正如我从 LIBSVM 文档中所读到的，我意识到首先我需要训练我的缩放数据并获得一个模型。然后使用这个模型来预测最终结果，但问题是当我想训练我的系统时，我不知道我的模型参数的最佳选择是什么，特别是 (C,g) 来训练我的数据!!!。 我所做的是首先加载我的缩放数据，然后通过使用 svm_problem 我用我的火车数据填充 svm_nodes 然后调用这个函数：

struct svm_model *svm_train(const struct svm_problem *prob, const struct svm_parameter *param);

2)。 另外我不确定 libsvm 函数的正确函数调用 -> 我的意思是我首先使用 svm_train 然后 svm_predict 来查看结果，我不知道我是否应该调用其他方法？！

模型 = svm_train(My_data,My_param); //不知道怎么填my_param

svm_node Test_Vector = svm_scale_data(x); //使用与scaled_training数据相同的算法

双倍结果 = svm_predict(Model,Test_Vector);

谢谢

Answer 1

如果您想通过 C++ 调用 LIBSVM，您可以通过让 LIBSVM 在内部进行交叉验证来优化参数。这样做时，您只需遍历要测试的参数元组 (C, gamma) 并让 LIBSVM 执行交叉验证而不是进行适当的训练。

您可以使用以下 API 函数让 LIBSVM 执行交叉验证：

void svm_cross_validation(const struct svm_problem *prob, const struct svm_parameter *param, int nr_fold, double *target);

回答您的其他问题：是的，可以拨打svm_train()，然后拨打svm_predict()。