比較的簡単に扱えるSVMライブラリ． 多値分類も可能． 導入公式ページよりzipまたはtar.gzをDL．中に入ってるsvm-predict, svm-scale, svm-trainはそのまま実行可能． pathの通ってる場所においておくと良い． 素性のフォーマット1行1データ形式．行頭にそのデータのクラス，その後ろに半角スペース区切りで(素性番号):(値)を追加していく． 具体的にはこんな感じ 1 1:1.0 2:0.51 1:-0.5 2:1.0-1 1:-1.0 2:-1.0-1 1:1.0 2:-2.0特徴値（素性の値）のスケーリング基本的にはスケーリングを行うことをおすすめする．デフォルトで-1~+1にスケーリングする．オプションで範囲を指定可能． % svm-scale data_train.dat > data_train_scaled.dat # data_train.datを-1~+1の範囲でスケーリングし，data_train_scaled.datに出力% svm-scale -l 0 data_train.dat > data_train_scaled.dat # data_train.datを0~1の範囲でスケーリングし，data_train_scaled.datに出力スケーリングのパラメータをファイルに出力し，同じパラメータで別のファイルをスケーリングすることもできる． （訓練データをスケーリングしたうえで，評価データも同じパラメータでスケーリングする際に利用） % svm-scale -s scale_param data_train.dat > data_train_scaled.dat% svm-scale -r scale_param data_test.dat > data_test_scaled.dat # data_train.datと同じパラメータでスケーリング学習SVMの種類やカーネル関数をオプション指定できる．svm-trainとだけ打つと，使い方とオプションの説明が見られる．自然言語処理においては，素性種類数が多いので，線形カーネル（ -t 0オプション）を用いるとうまく行きやすい．% svm-train -t 0 -c 0.5 data_train_scaled.dat model.txt # data_train_scaled.datより学習，学習したモデルをmodel.txtに出力（線形カーネルを使用，Cパラメータは0.5）`% svm-train -t 0 -c 0.5 -v 10 data_train_scaled.dat # data_train_scaled.datを用いて10分割交差検定（カーネル関数は上に同じ）% svm-predict data_test_scaled.dat model.txt result.txt # data_test_scaled.datを対象としモデルmodel.txtによる分類を行う．分類結果はresult.txtに出力．とすれば良い． 標準出力には分類精度が出力される． |
|
|