这篇文章主要介绍了libsvm支持向量机回归示例,需要的朋友可以参考下
libsvm支持向量机算法包的基本使用,此处演示的是支持向量回归机
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.ArrayList;
import java.util.List;import libsvm.svm;
import libsvm.svm_model;
import libsvm.svm_node;
import libsvm.svm_parameter;
import libsvm.svm_problem;
public class SVM {
public static void main(String[] args) {
// 定义训练集点a{10.0, 10.0} 和 点b{-10.0, -10.0},对应lable为{1.0, -1.0}
List label = new ArrayList();
List nodeSet = new ArrayList();
getData(nodeSet, label, "file/train.txt");
int datarange=nodeSet.get(0).length;
svm_node[][] datas = new svm_node[nodeSet.size()][datarange]; // 训练集的向量表
for (int i = 0; i for (int j = 0; j datas[i][j] = nodeSet.get(i)[j];
}
}
double[] lables = new double[label.size()]; // a,b 对应的lable
for (int i = 0; i lables[i] = label.get(i);
}
// 定义svm_problem对象
svm_problem problem = new svm_problem();
problem.l = nodeSet.size(); // 向量个数
problem.x = datas; // 训练集向量表
problem.y = lables; // 对应的lable数组
// 定义svm_parameter对象
svm_parameter param = new svm_parameter();
param.svm_type = svm_parameter.EPSILON_SVR;
param.kernel_type = svm_parameter.LINEAR;
param.cache_size = 100;
param.eps = 0.00001;
param.C = 1.9;
// 训练SVM分类模型
System.out.println(svm.svm_check_parameter(problem, param));
// 如果参数没有问题,则svm.svm_check_parameter()函数返回null,否则返回error描述。
svm_model model = svm.svm_train(problem, param);
// svm.svm_train()训练出SVM分类模型
// 获取测试数据
List testlabel = new ArrayList();
List testnodeSet = new ArrayList();
getData(testnodeSet, testlabel, "file/test.txt");
svm_node[][] testdatas = new svm_node[testnodeSet.size()][datarange]; // 训练集的向量表
for (int i = 0; i for (int j = 0; j testdatas[i][j] = testnodeSet.get(i)[j];
}
}
double[] testlables = new double[testlabel.size()]; // a,b 对应的lable
for (int i = 0; i testlables[i] = testlabel.get(i);
}
// 预测测试数据的lable
double err = 0.0;
for (int i = 0; i double truevalue = testlables[i];
System.out.print(truevalue + " ");
double predictValue = svm.svm_predict(model, testdatas[i]);
System.out.println(predictValue);
err += Math.abs(predictValue - truevalue);
}
System.out.println("err=" + err / datas.length);
}
public static void getData(List nodeSet, List label,
String filename) {
try {
FileReader fr = new FileReader(new File(filename));
BufferedReader br = new BufferedReader(fr);
String line = null;
while ((line = br.readLine()) != null) {
String[] datas = line.split(",");
svm_node[] vector = new svm_node[datas.length - 1];
for (int i = 0; i svm_node node = new svm_node();
node.index = i + 1;
node.value = Double.parseDouble(datas[i]);
vector[i] = node;
}
nodeSet.add(vector);
double lablevalue = Double.parseDouble(datas[datas.length - 1]);
label.add(lablevalue);
}
} catch (Exception e) {
e.printstacktrace();
}
}
}
上一篇:基于SpringBoot bootstrap.yml配置未生效的解决下一篇:Arrays.asList方法总结 热门搜索:
前向逐步回归
相关文章
libsvm支持向量机回归示例
2021-09-19阅读(3334)评论(0)推荐()这篇文章主要介绍了libsvm支持向量机回归示例,需要的朋友可以参考下
Tensorflow使用支持向量机拟合线性回归
2021-10-17阅读(4362)评论(0)推荐()这篇文章主要为大家详细介绍了Tensorflow使用支持向量机拟合线性回归,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
python 机器学习之支持向量机非线性回归SVR模型
2021-10-11阅读(7924)评论(0)推荐()这篇文章主要介绍了python 机器学习之支持向量机非线性回归SVR模型,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友...
R语言实现支持向量机SVM应用案例
2021-09-10阅读(9710)评论(0)推荐()本文主要介绍了R语言实现支持向量机SVM应用案例,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
Python中的支持向量机SVM的使用(附实例代码)
2021-11-03阅读(9033)评论(0)推荐()这篇文章主要介绍了Python中的支持向量机SVM的使用(附实例代码),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们...
Python SVM(支持向量机)实现方法完整示例
2021-10-11阅读(5445)评论(0)推荐()这篇文章主要介绍了Python SVM(支持向量机)实现方法,结合完整实例形式分析了基于Python实现向量机SVM算法的具体步骤与相关操作注意事项,需要的朋友...
用TensorFlow实现多类支持向量机的示例代码
2021-10-11阅读(10046)评论(0)推荐()这篇文章主要介绍了用TensorFlow实现多类支持向量机的示例代码,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
取消
提交评论