标签：
最近因工作需要，学习了台湾大学林智仁(Lin Chih-Jen)教授等人开发的SVM算法开源算法包。
为了以后方便查阅，特把环境配置及参数设置等方面的信息记录下来。
SVM属于十大挖掘算法之一，主要用于分类和回归。本文主要介绍怎么使用LIBSVM的回归进行数值预测。
LIBSVM内置了多种编程语言的接口，本文选择Python。
1 LIBSVM官方网址
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
可在这里下载LIBSVM的开源包，特别推荐初学者阅读文章A practical guide to SVM classification 和开源包自带的readme文件。可解决你的很多疑问。
2 安装环境
开源包版本 LIBSVM-3.20
操作系统 Win7 64bit
Python版本：python2.7.9 下载链接 https://www.python.org/downloads/
gnuplot: Gnuplot Version 5.0 (Jan 2015) 下载链接 http://sourceforge.net/projects/gnuplot/files/
3 回归预测
A practical guide to SVM classification推荐的方法流程是这样的。
需要说明的是，回归预测需要gridsearch三个参数 gamma 、cost和epsilon；具体意义见下图红框。
开源包自带的grid.py 文件是针对分类用的，回归需要用gridregression.py文件。该文件需要另外下载。另外附带一份介绍LIBSVM使用的材料。 下载链接 http://pan.baidu.com/s/1bnfNmv9
下载完成后，把gridregression.py文件中的svm-train和gnuplot的安装路径修改为自己主机的安装路径。一定要认真，笔者在这里浪费好多时间。
3.1 数据格式整理
3.2 归一化
回归预测需要对训练集trainset进行归一化，并对测试集testset进行同样的归一化。
$ svm-scale -y -1 1 -s scale train.txt > trainScale.txt
$ svm-scale -r scale test.txt > testScale.txt
-y 参数表示要对label进行归一化。可在cmd输入svm-scale 回车， 查看各参数的意义。
3.3 gridsearch 寻找最优参数
python gridregression.py -log2c -10,10,1 -log2g -10,10,1 -log2p -10,10,1 -v 10 -s 3 -t 2 trainScale.txt > trainrs.txt
-s 3 表示进行回归 -t 2 表示使用径向基核函数
后查看trainrs.txt
红框中的三个数字对应最好的cost 、gamma和epsilon；
3.4 训练trainScale
svm-train -s 3 -t 2 -c 64 -g 0.03125 -p 0.125 trainScale.txt
会生成trainScale.txt.model 文件
3.5 预测testScale
svm-predict testScale trainScale.txt.model predict-result.txt
查看predict-result.txt内容
3.6 对结果反归一化
比如x属于原来的测试集， 范围是[min, max], 而scale后的范围是[m, n]
那么x对应归一化的值y是什么？y = (x-min)/(max-min) *(n-m) + m
那如果已知y， x又是多少呢？
x = （y-m）/(n-m) * (max-min) + min
可按照x = （y-m）/(n-m) * (max-min) + min 对predict-result.txt内容进行反归一化，从而得到最终的预测值。
4 总结
说明：上述流程中sacle 过程不一定要使用，具体问题具体分析。还是要多试验，多看效果。笔者在上述流程中犯了好多错误，希望读者尽量避免。
其实最难的部分在于特征信号的选取，即哪些因子作为feature去拟合label？
（完）
标签：
原文地址：http://www.cnblogs.com/hdu-2010/p/4591147.html
