參數(shù)說明
1、svm_train()
用法：?svmtrain [options] training_set_file [model_file]
其中，options為操作參數(shù)，可用的選項即表示的涵義如下所示:
-s設置svm類型：
0 – C-SVC
1 – v-SVC
2 – one-class-SVM
3 –ε-SVR
4 – n - SVR
-t設置核函數(shù)類型，默認值為2
0 --線性核：u'*v
1 --多項式核：(g*u'*v+coef0)degree
2 -- RBF核：exp(-γ*||u-v||2)
3 -- sigmoid核：tanh(γ*u'*v+coef0)
-d degree:設置多項式核中degree的值，默認為3
-gγ:設置核函數(shù)中γ的值，默認為1/k，k為特征（或者說是屬性）數(shù)；
-r coef 0:設置核函數(shù)中的coef 0，默認值為0；
-c cost：設置C-SVC、ε-SVR、n - SVR中從懲罰系數(shù)C，默認值為1；
-n v：設置v-SVC、one-class-SVM與n - SVR中參數(shù)n，默認值0.5；
-pε：設置v-SVR的損失函數(shù)中的e，默認值為0.1；
-m cachesize：設置cache內存大小，以MB為單位，默認值為40；
-eε：設置終止準則中的可容忍偏差，默認值為0.001；
-h shrinking：是否使用啟發(fā)式，可選值為0或1，默認值為1；
-b概率估計：是否計算SVC或SVR的概率估計，可選值0或1，默認0；
-wi weight：對各類樣本的懲罰系數(shù)C加權，默認值為1；
-v n：n折交叉驗證模式；
model_file：可選項，為要保存的結果文件，稱為模型文件，以便在預測時使用。
默認情況下，只需要給函數(shù)提供一個樣本文件名就可以了，但為了能保存結果，還是要提供一個結果文件名，比如:test.model,則命令為：
svmtrain test.txt test.model
2、svm_train()運行控制臺輸出
運行svm_train()后，結果如下圖
默認情況
#iter為迭代次數(shù)
nu是你選擇的核函數(shù)類型的參數(shù)
obj為SVM文件轉換為的二次規(guī)劃求解得到的最小值（也有說對偶SVM問題的最佳目標值）
rho為判決函數(shù)的偏置項b
nSV為標準支持向量個數(shù)(0<a[i]<c)
nBSV為邊界上的支持向量個數(shù)(a[i]=c)
Total nSV為支持向量總個數(shù)（對于兩類來說，因為只有一個分類模型Total nSV = nSV，但是對于多類，這個是各個分類模型的nSV之和）
* 什么是標準支持向量個數(shù)呢，就是這些特征中泛化能力最強的部分，魯棒性最強。換句話說就是代表能力最強的。因此，它的占比不能太高，一般不高于80%，如高于這個值，則需調整特征的提取。
3、train-model文件
svm_type c_svc //所選擇的svm類型，默認為c_svc
kernel_type rbf? //訓練采用的核函數(shù)類型，此處為RBF核
gamma 0.0769231? //RBF核的參數(shù)γ
nr_class 2? ? ? ? //類別數(shù)，此處為兩分類問題
total_sv 132? ? ? //支持向量總個數(shù)
rho 0.424462? ? ? //判決函數(shù)的偏置項b
label 1 -1? ? ? ? //原始文件中的類別標識
nr_sv 64 68? ? ? //每個類的支持向量機的個數(shù)
SV? ? ? ? ? ? ? ? //以下為各個類的權系數(shù)及相應的支持向量
1 1:0.166667 2:1 3:-0.333333 … 10:-0.903226 11:-1 12:-1 13:1
0.5104832128985164 1:0.125 2:1 3:0.333333 … 10:-0.806452 12:-0.333333 13:0.5
………..
-1 1:-0.375 2:1 3:-0.333333…. 10:-1 11:-1 12:-1 13:1
-1 1:0.166667 2:1 3:1 …. 10:-0.870968 12:-1 13:0.5
