0

我试图执行https://stackoverflow.com/a/4215056中给出的 libsvm 示例，但我收到标题中提到的错误 TypeError。

from svm import *
prob = svm_problem([1,-1],[[1,0,1],[-1,0,-1]])
param = svm_parameter(kernel_type = LINEAR, C = 1)
## training  the model
m = svm_model(prob, param)
#testing the model
m.predict([1, 1, 1])

Error:
    param = svm_parameter(kernel_type = LINEAR, C = 1)
TypeError: __init__() got an unexpected keyword argument 'kernel_type'
4

2 回答 2

2

我在 libsvm-3.12 上遇到了这个问题（我假设你的问题是由类似的东西引起的）。查看 libsvm-3.12/python 文件夹中 svm.py 模块中的方法“svm_parameter”，该方法期望参数作为选项字符串传递，例如“-t 2 -v 5 -c 1”。

我发现这样做更好：

from svmutil import *
# Specify training set
prob = svm_problem([1,-1],[[1,0,1],[-1,0,-1]])
# Train the model
m = svm_train(prob, '-t 0 -c 1')
# Make a prediction
predicted_labels, _, _ = svm_predict([-1],[[1,1,1]],m)
# Predicted label for input [1,1,1] is predicted_labels[0]
print "Predicted value: " + str(predicted_labels[0])

一点解释： svm_predict(y,x,m) 除了模型 m 之外，还需要一个“正确标签”列表 y 和一个输入数据列表 x。然后，predicted_labels 将是 x 中给定的每个输入的预测类列表。这允许用户在一行中请求多个预测。

用户提供正确的标签以返回准确性信息。如果用户不知道正确的标签，那么只需将任意标签放在那里并忽略准确度值。查看 libsvm-3.12/python/svmutil.py 中的源代码，了解有关 svm_predict 在其他“_”位置返回的内容的更多信息。

特别是，从 'svmutil.py' 中获取的 svm_train 选项是：

"""
...
'options':
    -s svm_type : set type of SVM (default 0)
        0 -- C-SVC
        1 -- nu-SVC
        2 -- one-class SVM
        3 -- epsilon-SVR
        4 -- nu-SVR
    -t kernel_type : set type of kernel function (default 2)
        0 -- linear: u'*v
        1 -- polynomial: (gamma*u'*v + coef0)^degree
        2 -- radial basis function: exp(-gamma*|u-v|^2)
        3 -- sigmoid: tanh(gamma*u'*v + coef0)
        4 -- precomputed kernel (kernel values in training_set_file)
    -d degree : set degree in kernel function (default 3)
    -g gamma : set gamma in kernel function (default 1/num_features)
    -r coef0 : set coef0 in kernel function (default 0)
    -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
    -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
    -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
    -m cachesize : set cache memory size in MB (default 100)
    -e epsilon : set tolerance of termination criterion (default 0.001)
    -h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
    -b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)
    -wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
    -v n: n-fold cross validation mode
    -q : quiet mode (no outputs)
"""
于 2012-06-01T19:11:37.177 回答
0

上面的代码不适用于 libsvm 版本 3.16（最新版本）。请改用以下代码。但是，在开始之前，请确保您的项目工作文件夹中有这些文件 - “libsvm.dll”、“svm.py”和“svmutil.py”。例如：c:\my project\python_libsvm_exercise。

from svmutil import *
m = svm_train([1,-1],[[1,0,1],[-1,0,-1]], '-t 0 -c 10')
p_labels, p_acc, p_vals = svm_predict([1,-1],[[1,0,1],[-1,0,-1]], m)

请务必阅读“README”文件。它有大量关于如何使用每个功能的示例。你可以在这里下载最新版本的 libsvm http://goo.gl/YtCU

于 2013-02-17T23:52:14.407 回答