(一)下载安装LIBSVM模块(python)

LIBSVM安装包下载地址:    https://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/ 安装流程: 1.将下载好的压缩包解压至Python目录(具体:pythonLibsite-packages),目的是方便使用时导入模块,    将解压后的文件夹重命名为libsvm 2.在libsvm的根目录下创建py文件:__init__.py(文件内容为空);    在libsvm的子目录python目录下创建py文件:__init__.py(文件内容为空) 3.进入python编辑器中,输入:          from libsvm.python.svmutil import *          from libsvm.python.svm import *   不报错表明配置成功

(二)LIBSVM的基本使用方法

1.LIBSVM的数据格式 X = [{1:xxx,2:xxx,3:xxx},{1:xxx,2:xxx,3:xxx}]      其中:字典格式中key代表字段(特征),value代表属性(特征)值;列表中每个元素(字典)代表一条记录(数据) Y = [xxx,xxx,...xxx] 注:将python的数组形式转为LIBSVM数据格式: 如 arr   =     1     2     1                     1     3     0                      2    2     1      (其中前两列为特征,最后一列为label/response) def changeDataFormat(arr):        x,y = arr[:,0:-1],arr[:,-1]        X = []        for i in range(x.shape[0]):             data = {j +1 : x[i, j] for j in range(len(x[i]))}             X.append(data)        Y = list(y)        return X,Y 2.相关使用函数介绍(svmutil.py脚本中)    svm_read_problem()     --- 读取数据    svm_train()     --- 训练模型    svm_predict()     ---预测测试集    svm_save_model()     --- 保存模型    svm_load_model()     --- 加载模型    evaluations()     --- 检验预测结果    扩展:     svm_problem(y,x)     --- 作用为记录y,x                 svm_parameter()       --- 作用为记录模型参数 3.可用选项设置 -s(SVM类型)      --- 0(C-SVC) | 1(v-SVC) | 3(e-SVR) | 4(v-SVR) -t(核函数类型)    --- 0(线性) | 1(多项式) | 2(rbf) | 3(sigmoid)        -d(多项式核函数中的最大指数)        -g(rbf核函数中的参数)