這兩者簡(jiǎn)直就是神器，根據(jù)我的理解和嘗試，兩者最大的區(qū)別是，后者更加easy一點(diǎn)，因?yàn)楹笳卟恍枰O(shè)置步長(zhǎng)等，只需要輸入dataset以及gnuplot路徑，就可以直接生成全局絕對(duì)的最優(yōu)解。

1，但是首先我們要修改一下兩者的路徑，原因有兩點(diǎn)，首先就是可以是我們?cè)谳斎朊钚猩佥敹鄠€(gè)絕對(duì)路徑（復(fù)制粘貼還是很麻煩的），其次就是libsvm自帶的相對(duì)路徑很不具有普適性，基本大家搭環(huán)境時(shí)候都要做修改。

gfd

雖說(shuō)已經(jīng)記不清之前什么樣子，但改成這樣的絕對(duì)路徑準(zhǔn)沒(méi)錯(cuò)

2，再者就是要配置gnuplot，簡(jiǎn)言之就是又一個(gè)圖形結(jié)果生成工具，但好處在于在我們使用libsvm的過(guò)程中，實(shí)時(shí)地根據(jù)g和c的變化生成圖形，并直接以png的形式保存，相當(dāng)直觀和好用。

其他用處倒也不清楚，配置過(guò)程這里就不說(shuō)了

3，命令行

命令行還是很復(fù)雜繁瑣的，但由于前面的修改和鋪墊，我們實(shí)際要做的就是

grid.py [dataset path]

實(shí)時(shí)生成的過(guò)程

最終三個(gè)值：最佳的c,g,以及準(zhǔn)確率

但換到easy.py上來(lái)說(shuō)，準(zhǔn)確率高了很多

4,最終在tools文件夾生成了很多文件

5，最終使用svm-train.exe保存model

此時(shí)格式為[svm-train][dataset path][model path] [c][g]