我正在尝试 libSVM 包，使用 RBF 和线性分类，我遵循（我认为）他们的 README 文件中的所有建议。
我有一个大文件要训练 (70K)，所以我尝试使用 liblinear 而不是 RBF。
唯一的问题是我在训练阶段后无法获取模型，我的命令行如下所示：
./train -c 4 -v 5 -s 6 TrainingSet.scal TrainingSet.scal.Model
训练完成后，我得到了准确度估计，但是当我查看 *.model 文件以将其用于我的测试集时，我根本找不到它。
您认为这是包中的错误还是我在这里遗漏了什么？
谢谢
辐射
【问题讨论】：
标签： machine-learning svm libsvm
选项 -v 5 表示您正在对训练集进行 5 倍评估。如果启用此选项，则 liblinear 使用 5-fold 评估估计错误并且不输出模型。
如果要输出模型，则不要使用-v 5。在这种情况下，Tt不会输出训练错误。但是您可以使用 liblinear-predict 来估计测试集上的错误。
【讨论】：
我通常直接在代码上使用该库，但我认为在您的情况下没有执行培训，因为您使用的是我认为未定义的选项 -s 6。
这是用法：
` -s svm_type : 设置SVM的类型（默认0）
0 -- C-SVC (multi-class classification)
1 -- nu-SVC (multi-class classification)
2 -- one-class SVM
3 -- epsilon-SVR (regression)
4 -- nu-SVR (regression)
` 您还省略了内核类型
-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)
希望这会成功。