Thorsten Joachims SVM Light接口
svmlight的Python项目详细描述
pysvmlight
==
thorsten joachims编写的绑定到[SVM light]的Python（http://svmlight.joachims.org/）支持向量机库。
Bill Cauchois编写的（<；wcauchois@gmail.com>；），感谢lucas beyer和n0mad的贡献。
安装非常简单，只要
$chmod+x setup.py
$./setup.py--help
$./setup.py build
>如果要将svmlight安装到pythonpath，请键入：
$./setup.py install
（您可能需要以超级用户身份执行此命令。）否则，在build/目录中查找svmlight.so并将该文件复制到项目的目录中。现在，您应该可以“导入svmlight”。
入门
----
请参见示例/simple.py以了解示例用法。
reference
--
如果键入“帮助（svmlight）”，您将看到当前有三个函数。
学习（训练数据，**选项）->；模型
训练基于模型的模型一组训练数据。培训数据应采用以下格式：
>；（<；label>；，[（<；feature>；，<；value>；，…]）
或
>；（<；label>；，[（<；feature>；，<；value>；），…]，<；queryid>；）
有关某些培训数据的示例，请参阅examples/data.py。可用选项包括（大致对应于[本页]（http://svmlight.joachims.org/）标题为“如何使用”的部分下的“svmlight”命令行选项）：
-`type`：在“分类”、“回归”、“排名”（首选项排名）和“优化”之间进行选择。
-`kernel`：在“线性”之间进行选择，“多项式”，“径向基函数”，和“sigmoid”。
-`verbosity`：设置详细级别（默认值为0）。
-`c`：在训练错误和边距之间进行权衡。
-`poly_degree`：多项式核中的参数d。
-`rbf_gamma`：rbf核中的参数gamma。
-`coef_lin`
-`coef const`
classify（）。
classify（model，test_data，**options）->；predictions
测试数据的格式应与培训数据的格式相同（见上文）。结果将是一个浮动列表，对应于每个测试实例的预测标签。
write_model（model，filename）->；none
使用的文件格式与命令行“svmlight”程序使用的格式相同。
read_model（filename）->；model
读取使用write_model（）保存的模型。
==
thorsten joachims编写的绑定到[SVM light]的Python（http://svmlight.joachims.org/）支持向量机库。
Bill Cauchois编写的（<；wcauchois@gmail.com>；），感谢lucas beyer和n0mad的贡献。
安装非常简单，只要
$chmod+x setup.py
$./setup.py--help
$./setup.py build
>如果要将svmlight安装到pythonpath，请键入：
$./setup.py install
（您可能需要以超级用户身份执行此命令。）否则，在build/目录中查找svmlight.so并将该文件复制到项目的目录中。现在，您应该可以“导入svmlight”。
入门
----
请参见示例/simple.py以了解示例用法。
reference
--
如果键入“帮助（svmlight）”，您将看到当前有三个函数。
学习（训练数据，**选项）->；模型
训练基于模型的模型一组训练数据。培训数据应采用以下格式：
>；（<；label>；，[（<；feature>；，<；value>；，…]）
或
>；（<；label>；，[（<；feature>；，<；value>；），…]，<；queryid>；）
有关某些培训数据的示例，请参阅examples/data.py。可用选项包括（大致对应于[本页]（http://svmlight.joachims.org/）标题为“如何使用”的部分下的“svmlight”命令行选项）：
-`type`：在“分类”、“回归”、“排名”（首选项排名）和“优化”之间进行选择。
-`kernel`：在“线性”之间进行选择，“多项式”，“径向基函数”，和“sigmoid”。
-`verbosity`：设置详细级别（默认值为0）。
-`c`：在训练错误和边距之间进行权衡。
-`poly_degree`：多项式核中的参数d。
-`rbf_gamma`：rbf核中的参数gamma。
-`coef_lin`
-`coef const`
classify（）。
classify（model，test_data，**options）->；predictions
测试数据的格式应与培训数据的格式相同（见上文）。结果将是一个浮动列表，对应于每个测试实例的预测标签。
write_model（model，filename）->；none
使用的文件格式与命令行“svmlight”程序使用的格式相同。
read_model（filename）->；model
读取使用write_model（）保存的模型。
欢迎加入QQ群-->： 979659372
