pythonlibsvmubuntu

1. python下使用libsvm能處理數據格式為復數（complex）的數據嗎

毋庸置疑，LibSVM是台灣牛人為世界機器學習的卓越貢獻之一。一般都是基於Matlab的，其實LibSVM也可以用Python跑。
第一步，確定本機Python的版本：

32位的最易配置，哈哈，我的機器就是這么的古董。64位的童鞋請Google。

第二步，到官網http://www.csie.ntu.e.tw/~cjlin/libsvm/，來下載LibSVM軟體包，我選擇的是zip包。

第三步，將zip包解壓到一個特定位置，我放到了C：盤根目錄，當然也可以放到program files中。

第四步，就可以測試一下LibSVM是否可用了，打開Python IDE，輸入以下代碼：

能夠看到輸出，84%的分類准確性。

第五步，使用我的個人數據
libsvm的數據格式如下：

第一列代表標簽，第二列是第一個特徵值，第三列是第二個特徵值。所以，先要把數據按規定格式整理好。然後開始訓練。
import os
import sys

os.chdir('C:\libsvm-3.17\python')
from svmutil import *

y, x = svm_read_problem('../lkagain.txt')
m = svm_train(y[:275], x[:275], '-c 5')

y, x = svm_read_problem('../lk2.txt')
p_label, p_acc, p_val = svm_predict(y[0:], x[0:], m)
print p_label
print p_acc
print p_val

第六步，Python介面
在libsvm-3.16的python文件夾下主要包括了兩個文件svm.py和svmutil.py。
svmutil.py介面主要包括了high-level的函數，這些函數的使用和LIBSVM的MATLAB介面大體類似
svmutil中主要包含了以下幾個函數：
svm_train() : train an SVM model
svm_predict() : predict testing data
svm_read_problem() : read the data from a LIBSVM-format file.
svm_load_model() : load a LIBSVM model.
svm_save_model() : save model to a file.
evaluations() : evaluate prediction results.

2. python調用libSVM異常，svm_save_model(modelName,model)。總說第一個參數類型錯誤

可以看看python文件夾下面的README。第一個參數是：保存model的文件名，字元串類型。第二個參數就是svm_train返回的model。
README裡面有詳細的例子。按照你的錯誤，
model_file_name是字元串類型嗎？檢查一下就行吧

3. ubuntu python64位支持libsvm嗎

把包解壓在C盤之中，如：C:\libsvm-3.182. 因為要用libsvm自帶的腳本grid.py和easy.py,需要去官網下載繪圖工具gnuplot,解壓到c盤.進入c:\libsvm\tools目錄下，用文本編輯器（記事本，edit都可以）修改grid.py和easy.py兩個文件，找到其中關於gnuplot路徑的那項，根據實際路徑進行修改，並保存 python與libsvm的連接（參考SVM學習筆記（2）LIBSVM在python下的使用） 1.打開IDLE(pythonGUI)，輸入>>>importsys>>>sys.version 2.如果你的python是32位，將出現如下字元： (default,Apr102012,23:31:26)[MSCv.150032bit(Intel)]』 這個時候LIBSVM的python介面設置將非常簡單。在libsvm-3.16文件夾下的windows文件夾中找到動態鏈接庫libsvm.dll，將其添加到系統目錄，如`C:\WINDOWS\system32\』，即可在python中使用libsvm wk_ad_begin({pid : 21});wk_ad_after(21, function(){$('.ad-hidden').hide();}, function(){$('.ad-hidden').show();}); 3.執行一個小例子 importos os.chdir('C:\libsvm-3.18\python')#請根據實際路徑修改 fromsvmutilimport* y,x=svm_read_problem('../heart_scale')#讀取自帶數據 m=svm_train(y[:200],x[:200],'-c4') p_label,p_acc,p_val=svm_predict(y[200:],x[200:],m) ##出現如下結果，應該是正確安裝了optimizationfinished,#iter=257nu=0.351161 obj=-225.628984,rho=0.636110nSV=91,nBSV=49 TotalnSV=91 Accuracy=84.2857%(59/70)(classification)

4. 求教Ubuntu里的python運行sthor和liblinearutil不見的問題

在python中使用liblinear
1.安裝
1.從 下載壓縮文件，解壓
2.進入liblinear主目錄，執行make
3.進入./python的文件夾下，拷貝文件夾目錄
4.將目錄添加至python解釋器的path中，export PYTHONPATH=/Users/username/Downloads/liblinear-2.01/python:$PAYTHONPATH
5.進入python， 運行import liblinear，無報錯，即完成。
2.使用liblinearutil
liblinearutil模塊相比liblinear模塊不用考慮ctypes的問題，直接用python數據類型就可以。
from liblinearutil import *1

常用函數
train()：訓練線性模型
predict()：對testing數據做預測
svm_read_problem()：讀取libsvm格式的數據
load_model()：load模型
save_model()：將模型存儲為文件
evaluations()：評價預測結果
model = train(y, x[, 'training_options'])# y是list/tuple類型，長度為l的訓練標簽向量# x是list/tuple類型的訓練實例，list中的每一個元素是list/tuple/dictory類型的feature向量#以下寫法的作用是相同的model = train(prob[, 'training_options'])
model = train(prob, param)# examplesy, x = svm_read_problem('../heart_scale')# 讀入libsvm格式的數據prob = problem(y, x)# 將y,x寫作probparam = parameter('-s 3 -c 5 -q')# 將參數命令寫作paramm = train(y, x, '-c 5')
m = train(prob, '-w1 5 -c 5')
m = train(prob, param)# 進行訓練CV_ACC = train(y, x, '-v 3')# -v 3 是指進行3-fold的交叉驗證# 返回的是交叉驗證的准確率best_C, best_rate = train(y, x, '-C -s 0')

p_labs, p_acc, p_vals = predict(y, x, m [,'predicting_options'])# y是testing data的真實標簽，用於計算準確率# x是待預測樣本# p_labs: 預測出來的標簽# p_acc: tuple類型，包括准確率，MSE，Squared correlation coefficient(平方相關系數)# p_vals: list, 直接由模型計算出來的值，沒有轉化成1，0的值，也可以看做是概率估計值(ACC, MSE, SCC) = evaluations(ty, pv)# ty: list, 真實值# pv: list, 估計值

5. 如何加速基於Python的libsvm速度

if not is_win32: svmtrain_exe = "../svm-train" gnuplot_exe = "/usr/bin/gnuplot" else: gnuplot_exe = "/usr/bin/gnuplot"這一行少了一個TAB鍵。建設你把所有行前面的空格跟TAB刪除後重新打上空格或TAB鍵。

6. 如何下載libsvm python

下載libsvm python的方法：

1、訪問「www.csie.ntu.e.tw/~cjlin/libsvm/」網頁，下載zip格式的數據包

2、將文件解壓到python的site-packages文件夾中就可以了

更多Python知識，請關註：Python自學網！！

7. ubuntu 下怎樣安裝python

1.先檢查當前系統中是否已經安裝python，直接使用python -V查看

8. 如何在linux中libsvm與gunplot

1、下載：先到http://www.csie.ntu.e.tw/~cjlin/libsvm/下載Linux下對版本tar.gz 。
2、解壓縮：解壓縮到任一目錄下，這里我解壓到/home/xxxxxx/libsvm-2.91。/home/xxxxxx/是我的用戶目錄，xxxxxx是用戶名。
3、編譯：進入到/home/xxxxxx/libsvm-2.91，輸入命令make(即可完成安裝，但有時候會出現下列錯誤）

g++ -Wall -Wconversion -O3 -fPIC -c svm.cpp
make: g++: Command not found
make: *** [svm.o] Error 127
4、錯誤解決：此錯誤為沒有對應編譯器，需要安裝。
5、安裝g++編譯器：在終端輸入命令 apt-get install g++
6、再編譯：安裝g++成功後，即可再編譯，編譯成功即可用libsvm
7、Libsvm使用
A.使用svm-train訓練：在終端中輸入./svm-train heart_scale
B.使用svm-predict預測：在終端輸入./svm-predict heart_scale heart_scale.model out
heart_scale為test file, heart_scale.model是由svm-train訓練出來對模型文件，out為預測輸出文件。

8、如果想使用easy.py和grid.py更快的執行以上第7步驟的工作。因為Ubuntu中已經安裝了python和gunplot，所以這兩個軟體對安裝工作可以省略。進入/home/xxxxxx/libsvm-2.91/tools到目錄後，只需要在終端中輸入：
python easy.py /home/xxxxxx/libsvm-2.91/SYN /home/xxxxxx/libsvm-2.91/SYN2NMF
這里SYN為用來構建模型對訓練文件；SYN2NMF為需要預測對文件
運行結果：
Best c=2.0, g=0.0078125 CV rate=77.45
Training...
Output model: SYN.model
Scaling testing data...
Testing...
Accuracy = 83.35% (1667/2000) (classification)
Output prediction: SYN2NMF.predict
關於Linux命令的介紹，看看《linux就該這么學》，具體關於這一章地址3w(dot)linuxprobe/chapter-02(dot)html

PS:在安裝過程中，最好首先在終端中輸入 sudo -i 切換為root用戶模式，避免許可權錯誤。

9. 如何在ubuntu下使用python

安裝是可以安裝上，這個版本不完整的，無法安裝psycopg2最後還是先用python2.6把libpg-dev安裝上，然後再編譯安裝python2.5，再安裝psycopg2

10. 怎樣在ubuntu中安裝python及科學計算環境

去Anaconda 官網下一個包。直接安裝就好了