svm理论与实验之19: libsvm多类实验

徐海蛟博士 Teaching.

我们实验环境：libsvm 3.17, python 2.7.3, gnuplot 4.6。

数据集从小到大: dna 生物dna, satimage 卫星图像, letter 字母。数据已经下载到了svm-数据/下。我们看下数据集基本情况：

名称 源
类型 类数
训练样本 测试样本
特征数

----------------------------------------------------------------

dna 生物
Statlog 分类 3
2,000 1,186
180

satimage图像 Statlog
分类 6 4,435
2,000 36

letter字母 Statlog
分类 26 15,000
5,000 16

傻瓜式用法：python easy.py 训练数据路径 测试数据路径

cd libsvm下的tools目录/

python easy.py ../svm-数据/dna.scale ../svm-数据/dna.scale.t

python easy.py ../svm-数据/satimage.scale ../svm-数据/satimage.scale.t

python easy.py ../svm-数据/letter.scale ../svm-数据/letter.scale.t

慢得如同蜗牛！15分钟, 18分钟，...。解释输出如下：

规格化训练数据...

警告: original #nonzeros 91233

         new #nonzeros 360000

Use -l 0 if many original feature values are zeros

交叉验证...

Best c=8.0, g=0.0078125 CV rate=95.55

训练...

输出模型: dna.scale.model

规格化测试数据...

警告: original #nonzeros 53669

         new #nonzeros 213480

Use -l 0 if many original feature values are zeros

测试...

精度 = 95.6155% (1134/1186) (分类)

Output prediction: dna.scale.t.predict

======================================

规格化训练数据...

交叉验证...

Best c=2.0, g=2.0 CV rate=92.221

训练...

输出模型: satimage.scale.model

规格化测试数据...

测试...

精度 = 91.85% (1837/2000) (分类)

Output prediction: satimage.scale.t.predict

... ...