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。