svm源码

❶ 基于支持向量机（SVM）预测模型 比如预测人口数、价格等，随便给个matlab源代码

http://..com/question/203592147.html

❷ 有谁下过Matlab的SVM-KM中的m-svm代码吗新手求助

向量机类型应是最经典简单的svm，核函数可以是多项式，高斯，小波等核函数，向量机求解用的是二次规划算法,也就是QP算法(quadratic programming algorithm )

❸ 跪求支持向量回归机SVR源代码(最好是java的，matlab也可以），感激不尽

最有名的SVM程序包是台湾国立大学的林智仁教授开发的libSVM，直接在Google里面输入寻找官网下载，是C++编写，但有matlab接口，在本地编译后就可以使用，很方便。

❹ 谁可以给我SVM分类算法的IDL源代码

如果只是想用，可以调用ENVI的SVM~在ENVI帮助文档搜ENVI_SVM_DOIT
如果想看代码，我没编过，不过在网络文库看到一个，根据那个WORD里面的链接就能下下来了，不过是否正确不知道耶~http://wenku..com/view/167cf9f37c1cfad6195fa79c.html

❺ 谁可以给我SVM分类算法的源代码

专业的可以看LIBSVM，如果只是想学习下具体实现可以参考这个地方：http://www.fuqingchuan.com/2014/03/222.html, 这里用100行python代码就实现了SVM!

❻ 在libsvm的源代码中，为什么要把支持向量表示成二维数组[][]svm_node的形式琢磨了很久还是没想明白

libsvm虽然支持多类分类，但是其本质是基于“一对一”法的多类分类，因此究其其本质其实是个二分类svm。

既然是二分类，肯定有属于第一类-1的支持向量，属于第二类+1的支持向量，它肯定应该是个二维数组。

libsvm训练输出model中的参数有一个是sv_coef，它表示的是支持向量在决策函数中：

的系数a，而b是model里的rho。

最后说下model里全有啥参数：

model=
Parameters: svm的类型参数
nr_class: 有多少个类别
totalSV: 支持向量总个数
rho: 就是决策函数里那个b
Label: 类标
ProbA:
ProbB:这两个是但svm 选-b是用到的参数

nSV: 每类有多少个支持向量
sv_coef: 决策函数那个a
SVs: 里面装的是所以支持向量

菜鸟个人愚见，如有错误望指正！共同学习

❼ 谁有改进的svm文本分类的源代码

支持向量机SVM ( Support Vector Machines)是由Vanpik领导的AT&TBell实验室研究小组
在1963年提出的一种新的非常有潜力的分类技术, SVM是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域.由于当时这些研究尚不十分完善,在解决模式识别问题中往往趋于保守,且数学上比较艰涩,因此这些研究一直没有得到充的重视.直到90年代,一个较完善的理论体系—统计学习理论 ( StatisticalLearningTheory,简称SLT) 的实现和由于神经网络等较新兴的机器学习方法的研究遇到一些重要的困难,比如如何确定网络结构的问题、过学习与欠学习问题、局部极小点问题等,使得SVM迅速发展和完善,在解决小样本 、非线性及高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中.从此迅速的发展起来，现在已经在许多领域（生物信息学，文本和手写识别等）都取得了成功的应用。
SVM的关键在于核函数，这也是最喜人的地方。低维空间向量集通常难于划分，解决的方法是将它们映射到高维空间。但这个办法带来的困难就是计算复杂度的增加，而核函数正好巧妙地解决了这个问题。也就是说，只要选用适当的核函数，我们就可以得到高维空间的分类函数。在SVM理论中，采用不同的核函数将导致不同的SVM算法

它是一种以统计学理论为基础的，以结构风险最小化的学习机学习方法，要优于神经网络学习，以上是摘自本人的毕业设计，如需转载，请通知本人

❽ svm的输入和输出问题

你好，LIBSVM简介 [.v5o#V
d
sH:Luo+]
支持向量机所涉及到的数学知识对一般的化学研究者来说是比较难的，自己编程实现该算法难度就更大了。但是现在的网络资源非常发达，而且国际上的科学研究者把他们的研究成果已经放在网络上，免费提供给用于研究目的，这样方便大多数的研究者，不必要花费大量的时间理解SVM算法的深奥数学原理和计算机程序设计。目前有关SVM计算的相关软件有很多，如LIBSVM、mySVM、SVMLight等，这些软件大部分的免费下载地址和简单介绍都可以在[url]
http://www.kernel-machines.org/[/url]上获得。 pq2j j.XL7m4B
LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在[url]
http://www.csie.ntu.e.tw/~cjlin/[/url]免费获得。该软件可以解决C-SVM分类、-SVM分类、-SVM回归和-SVM回归等问题，包括基于一对一算法的多类模式识别问题。在第2章中我们也介绍了该软件的一些优点，因此通过综合考虑，我们决定采用该软件作为工作软件。SVM用于模式识别或回归时，SVM方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模式，也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。
4lE qC iC mt'j?)FN"b
LIBSVM使用方法 p-t8\q9P!e(jVL6e

1XP6S+YzWZ LibSVM是以源代码和可执行文件两种方式给出的。如果是Windows系列操作系统，可以直接使用软件包提供的程序，也可以进行修改编译；如果是Unix类系统，必须自己编译，软件包中提供了编译格式文件，我们在SGI工作站(操作系统IRIX6.5)上，使用免费编译器GNU C++3.3编译通过。 |U4E P})T/u
8rur3[8U.zeQ9VX
LIBSVM使用的数据格式 W2}&p]lU
该软件使用的训练数据和检验数据文件格式如下： x4Vy\ G1y6g\3~
<label> <index1>:<value1> <index2>:<value2> ...
6a X)I&x9l@4cU {2q 其中<label> 是训练数据集的目标值，对于分类，它是标识某类的整数(支持多个类)；对于回归，是任意实数。<index> 是以1开始的整数，可以是不连续的；<value>为实数，也就是我们常说的自变量。检验数据文件中的label只用于计算准确度或误差，如果它是未知的，只需用一个数填写这一栏，也可以空着不填。在程序包中，还包括有一个训练数据实例：heart_scale，方便参考数据文件格式以及练习使用软件。
H'?-]1a%HC Us 可以编写小程序，将自己常用的数据格式转换成这种格式
"pm2M;L7E{~5t
mLf \*?8n"x9A Svmtrain和Svmpredict的用法
g Ddk2C-Cd LIBSVM软件提供的各种功能都是DOS命令执行方式。我们主要用到两个程序，svmtrain(训练建模)和svmpredict(使用已有的模型进行预测)，下面分别对这两个程序的使用方法、各参数的意义以及设置方法做一个简单介绍：
8x*l/L/E0b Svmtrain的用法：svmtrain [options] training_set_file [model_file] U1NjN e f%W}0R
Options：可用的选项即表示的涵义如下
'fH*{2_5u -s svm类型：SVM设置类型(默认0)
_`"JB+i@9~ 0 -- C-SVC O)Z5y$E$c#Cy
1 --v-SVC
MQL(d;t 2 – 一类SVM
$E(@D ShN 3 -- e -SVR
] K ]V~b+t0}2Gl 4 -- v-SVR
J0j5|rJ[ -t 核函数类型：核函数设置类型(默认2)
,pvvLy O 0 – 线性：u'v Cj-AB;jn8Cbk
1 – 多项式：(r*u'v + coef0)^degree 7nq{|q*] @1{3T
2 – RBF函数：exp(-r|u-v|^2) o4S JB-zV2P%?,C
3 –sigmoid：tanh(r*u'v + coef0) \"m w._)u|,Bu4C
-d degree：核函数中的degree设置(默认3) K0?8R!fR;g+W2k
-g r(gama)：核函数中的函数设置(默认1/ k) :u6r%p*o$QG
-r coef0：核函数中的coef0设置(默认0) &xO&LjbX(y
-c cost：设置C-SVC， -SVR和-SVR的参数(默认1) Y:N.Jv8v
-n nu：设置-SVC，一类SVM和- SVR的参数(默认0.5)
;r:h%XN2HH6Bf -p e：设置 -SVR 中损失函数的值(默认0.1)
sW'o.m-R7]
-m cachesize：设置cache内存大小，以MB为单位(默认40)
:K ^*y[BE7]\7U -e ：设置允许的终止判据(默认0.001) )rI#@C7F5Q Rw,J R']Vz{
-h shrinking：是否使用启发式，0或1(默认1) "|g6wfu
-wi weight：设置第几类的参数C为weightC(C-SVC中的C)(默认1)
4Rf W-~|oY] -v n: n-fold交互检验模式 Js}7ee&n\{c
其中-g选项中的k是指输入数据中的属性数。option -v 随机地将数据剖分为n部分并计算交互检验准确度和均方根误差。以上这些参数设置可以按照SVM的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练结束后产生的模型文件，文件中包括支持向量样本数、支持向量样本以及lagrange系数等必须的参数；该参数如果不设置将采用默认的文件名，也可以设置成自己惯用的文件名。 E M%WTF
Svmpredict的用法：svmpredict test_file model_file output_file 1bv R [?d
model_file是由svmtrain产生的模型文件；test_file是要进行预测的数据文件；Output_file是svmpredict的输出文件。svm-predict没有其它的选项。 FOiJEO4vsVo#Q

Sx$^&O+K7I@-V;z(M svmtrain -s 0 -c 1000 -t 1 -g 1 -r 1 -d 3 data_file VAHQ!cm+b*Q)t U
训练一个由多项式核(u'v+1)^3和C=1000组成的分类器。 u:p+jD5q"Pr
svmtrain -s 1 -n 0.1 -t 2 -g 0.5 -e 0.00001 data_file
JxJ&A.J8n t/D*[+Kd 在RBF核函数exp(-0.5|u-v|^2)和终止允许限0.00001的条件下，训练一个-SVM ( = 0.1)分类器。
9P |4Q'xM}7m
o[K!T svmtrain -s 3 -p 0.1 -t 0 -c 10 data_file
1| A {;}9R{+qI 以线性核函数u'v和C=10及损失函数= 0.1求解SVM回归。;^ 27118希望对你有帮助！