svm.rar_SVM实验报告_svm数据_保险数据_实验报告

SVM

分类算法

采用的实验数据源为第 6 组：The Insurance Company Benchmark (COIL 2000)

TICDATA2000.txt: 这个数据集用来训练和检验预测模型，并且建立了一个 5822 个客

户的记录的描述。每个记录由 86 个属性组成，包含社会人口数据（属性 1-43）和产品

的所有关系（属性 44-86 ）。社会人口数据是由派生邮政编码派生而来的，生活在具有

TICTGTS2000.txt：最终的目标评估数据。这是一个实际情况下的目标数据，将与我们

预测的结果进行校验。我们的预测结果将放在 result.txt 文件中。

数据集理解：本实验任务可以理解为分类问题，即分为 2 类，也就是数据源的第 86 列，

可以分为 0、1 两类。我们首先需要对 TICDATA2000.txt 进行训练，生成 model，再根

据 model 进行预测。

代码中需要对数据集进行缩放的目的在于：

A、避免一些特征值范围过大而另一些特征值范围过小；

B、避免在训练时为了计算核函数而计算内积的时候引起数值计算的困难。因此，

通常将数据缩放到 [ -1,1] 或者是 [0,1] 之间。

n-SVR)以及分布估计(one-class-SVM )等问题，提供了线性、多项式、

径向基和 S 形函数四种常用的核函数供选择，可以有效地解决多类问题、

交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。

在源程序里面，主要由以下 2 个函数来实现：

(1) struct svm_model *svm_train(const struct svm_problem *prob, const

struct svm_parameter *param);

该函数用来做训练，参数 prob，是 svm_problem 类型数据，具体结构定义如下：

struct svm_problem //存储本次参加运算的所有样本(数据集)，及其所属类别。

{

struct svm_node **x; //指向一个存储内容为指针的数组

};

其中 svm_node 的结构体定义如下：

struct svm_node //用来存储输入空间中的单个特征

参数 param，是 svm_parameter 数据结构，具体结构定义如下：

struct svm_parameter // 训练参数

{

int svm_type; //SVM 类型，

int kernel_type; //核函数类型

int degree; /* for poly */

double gamma; /* for poly/rbf/sigmoid */

double cache_size; /* in MB 制定训练所需要的内存*/

double eps; /* stopping criteria */

double C; /* for C_SVC, EPSILON_SVR and NU_SVR ，惩罚因子*/

int nr_weight; /* for C_SVC 权重的数目*/

}

其中，SVM 类型和核函数类型如下：

enum { C_SVC, NU_SVC, ONE_CLASS, EPSILON_SVR, NU_SVR }; /* svm_type */

enum { LINEAR, POLY, RBF, SIGMOID, PRECOMPUTED }; /* kernel_type */

只需申请一个 svm_parameter 结构体，并按实际需要设定 SVM 类型、核函数和各

种参数的值即可完成参数 param 的设置。

设定完这两个参数，就可以直接在程序中调用训练函数进行训练了，该其函数返

回一个 struct svm_model *SVM 模型的指针，可以使用 svm_save_model(const char

*model_file_name, const struct svm_model *model)函数，把这个模型保存在

磁盘中。至此，训练函数的移植已经完成。

(2) double svm_predict(const struct svm_model *model, const struct

svm_node *x);

参 数 model ， 是 一 个 SVM 模 型 的 指 针 ， 可 以 使 用 函 数 struct svm_model

*svm_load_model(const char *model_file_name)，导入训练时保存好的 SVM 模

型，此函数返回一个 SVM 模型的指针，可以直接赋值给变量 model。

参数 x，是 const struct svm_node 结构体的指针，本意是一个输入空间的指针，

但实际上，该函数执行的时候，是从参数 x 处计算输入空间，

本数据结束标记-1 才结束，也就是说，该函数运算了单个样本中的所有输入空间