如何在eclipse編寫(xiě)的java代碼中調(diào)用Libsvm，訓(xùn)練分類器？

下面是CSDN上面關(guān)于libsvm的使用介紹，由于內(nèi)容較多，我只把網(wǎng)址復(fù)制過(guò)來(lái)了，你可以參考一下，祝你好運(yùn)！

創(chuàng)新互聯(lián)建站堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：成都網(wǎng)站制作、網(wǎng)站設(shè)計(jì)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時(shí)代的民樂(lè)網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

如何調(diào)用libsvm 的java 庫(kù)函數(shù)

第一步：下載java版libsvm3.12，解壓。

第二步：打開(kāi)java文件夾

第三步：建立項(xiàng)目，引用lib.svm包

第五步：把第二步中的文件夾中四個(gè)文件復(fù)制到一個(gè)自定義的包中

第六步：寫(xiě)程序調(diào)用，代碼如下，貼出來(lái)供大家學(xué)習(xí)，有不對(duì)的地方，歡迎拍磚。

import java.io.IOException;

import libsvm.svm;

import libsvm.svm_model;

public class SVMTest {

public static void main(String[] args) throws IOException {

svm_train svmt = new svm_train();

svm_predict svmp = new svm_predict();

String[] argvTrain = {

"C:\\Users\\baolong\\Desktop\\KDD\\other\\svm\\train\\TR1.data",// 訓(xùn)練文件

"C:\\Users\\baolong\\Desktop\\KDD\\other\\svm\\model\\MO1.model"http:// 模型文件

};

String[] argvPredict = {

"C:\\Users\\baolong\\Desktop\\KDD\\other\\svm\\predict\\PR1.data",// 預(yù)測(cè)文件

"C:\\Users\\baolong\\Desktop\\KDD\\other\\svm\\model\\MO1.model", // 模型文件

"C:\\Users\\baolong\\Desktop\\KDD\\other\\svm\\result\\RE1.out" // 預(yù)測(cè)結(jié)果文件

};

try {

svmt.main(argvTrain);

svmp.main(argvPredict);

} catch (IOException e) {

e.printStackTrace();

}

double[] record = { -1, 12, 12, 78 };

libsvm.svm_model model = svm

.svm_load_model("C:\\Users\\baolong\\Desktop\\KDD\\other\\svm\\model\\MO1.model");

System.out.println(svmp.predictPerRecord(record, model));

}

}

java 分類器算法問(wèn)題！！急。。。。

SVM主要通過(guò)訓(xùn)練集進(jìn)行訓(xùn)練之后，用來(lái)進(jìn)行數(shù)據(jù)分類（通常是二分類）。在對(duì)SVM進(jìn)行訓(xùn)練之前你要確定輸入的特征向量是什么，期望輸出又是什么，對(duì)于你的系統(tǒng)很顯然期望輸出可以假定為：+1和-1，其中+1表示正面的，-1表示負(fù)面的，訓(xùn)練集就是那兩張英文詞列表，你可以用這兩英文詞列表來(lái)對(duì)SVM進(jìn)行訓(xùn)練從而得到一個(gè)SVM模型，然后就可以用這個(gè)模型來(lái)對(duì)新的英文序列（中文詞的英文翻譯序列）進(jìn)行“極性”分類了。其實(shí)分類器并不只有SVM，你還可以使用BP神經(jīng)網(wǎng)絡(luò)，AdaBoost等來(lái)實(shí)現(xiàn)數(shù)據(jù)分類。如果還有不明白的地方可以給我留言：blog.sina.com.cn/kwapoong

建議你在Matlab下進(jìn)行試驗(yàn)，這樣效率會(huì)快些。