原创 LIBSVM回归详细操作步骤

P.S. 多谢“三月未央”网友的提醒，本文中的一些错误得到改正，原先的第五幅图中路径有错（估计那晚太困了，稀里糊涂的就写出来了，实为害人啊）！再次感谢你们的关注，希望在交流中一起进步!修改和增加部分已经用红色字体区分了，还有就是第五章图，估计以前做错的人不少，不要怪我！ 先前的一些步骤可以参照我《科研-支持向量机(SVM)预测》中的几篇，包括文件格式等。

晚上一网友发来消息说还是不清楚怎么做，老出错，现在有点闲功夫，截了一些图按部就班的做了，希望能看懂。

其实只要修改一个文件（gridregression.py）的路径就可以了，其他网上说的两个文件（grid.py和easy.py）的路径可以不做修改，因为回归根本没有用到。修改的地方是绿色的两行路径，写成实际路径就可以了。网上下载下来的一般都是r"...svm-..."所以要改。修改后如下图。

改完之后，首先把你的数据集包括data2和test2（这是原始的）放到C:\libsvm-2.88\windows下。

现在要做的就是真正意义上的第一步，归一化处理，这一步要做，希望不要为了简便不做，这样预测出来不准。具体在dos下调完路径后，执行下面两句，分别是归一化数据集和测试集后产生新的两个文件data和test。

至于路径的问题，很多不涉及计算机专业的网友很痛苦，经常会不知所措。不过我再多嘴一次：先输入字母cd，大小写都无所谓了，然后空格，之后就是你想要让dos去运行的地址（路径）。可以老老实实的手打，也可以复制C:\libsvm-2.88\windows，然后粘贴，dos框下Ctrl＋V无效，只能鼠标右击选择粘帖。最后按一回车键就把路径调到C:\libsvm-2.88\windows下了。

现在C:\libsvm-2.88\windows中多了两个文件，其实还有一个scale，不用管他，不起作用！

现在是通过gridregression.py函数进行参数寻优，把路径调好，注意调到C:\Python25下了。输入下面的语句python C:\libsvm-2.88\python\gridregression.py -svmtrain C:\libsvm-2.88\windows\svm-train.exe -gnuplot C:\gnuplot\bin\pgnuplot.exe -log2c -10,10,1 -log2g -10,10,1 -log2p -10,10,1 -v 10 -s 3 -t 2 C:\libsvm-2.88\windows\data.txt > gridregression_data.parameter，可能你要等很长时间，我的数据很多搞了一个晚上。

有天早上一个朋友说你昨晚这么晚回来，早上怎么7点就上线了啊qq，汗，电脑一夜跑这玩意儿。。。扯远了。

PS.命令很长可以选择上述方法复制后，在dos框中右击粘贴完成。当然有热心的新浪网友的建议：（这么长的命令在dos下敲很容易出错的，建议大家在相应目录下建立一个bat文件，如“py.bat",把相应命令拷贝过去，直接运行"py"，这样就省事多了。希望博主把这方法加到你的博文里。），我还没有试过。

训练完后，在C:\Python25中会有一个gridregression_data.parameter文件，里面就是自动寻优的结果，主要也是为了这个东西，搞了我老半天nnd。

打开它，下面最后一行分别为c,g,p,mse。其中mse没有用，其实这个值越小越好。

P.S. 有网友回复说：data训练时的mse=88.1545，而test测试时mse=401.938（他的数据结果），其实data训练的mse不是越小越好，过小以后，会形成过学习情况。其实严格意义上说是test的mse越小越好，因为它越小，最终的预测精度越高。另外，还可以通过squared correlation coefficient判断，它越接近1，也说明预测的精度越高。这是我做过many数据试验的吐血结果，望与大家分享。

把刚才的3个参数用来进行训练svm模型。把路径重新调回C:\libsvm-2.88\windows，输入语句训练，会在C:\libsvm-2.88\windows里产生一个data.txt.model文件。训练好了紧接着对test文件预测，输入第二条语句，得出结果在out里面。

最后打开out和test文件比较一下结果差多少，自己去计算咯。

到此已经实现了libsvm软件做回归预测的全过程，个人认为已经很详尽，比网上任何帖子都清楚哈哈。哪里不清楚的希望大家一起讨论~~