![[PukiWiki]](image/cat.gif "[PukiWiki]")
LibSVM のバックアップ(No.2)
LibSVM †
LibSVMとは †
- SVM（Support Vector Machine) ツールの一つ
- 学習が早い
- 幾つかの種類のカーネル関数を選べる
簡単な使い方 †
- 学習データを用意する（場合によっては評価データも）
- 書式:
クラスID 1:値 2:値 3:値 4:値 ...
- 例
+1 1:0.97 2:1.4 3:1 4:2 5:1.3 -1 1:-1.2 2:0.1 3:0.1 4:-2 5:1.1
- クラスIDが判定させたいブール値．基本的には2値だが，LibSVMは多値分類もできる．その際はIDを増やすだけでOK．
- クラスID以降に素性値を入力していく
- SVMを活かすも殺すも素性次第!
- 書式:
- svm-scaleで各素性値をスケーリングする
- 学習データと評価データが同じ場合の例（Cross Validation を使う際も含む）
$ ./svm-scale data.train > data.scale
- 学習データと評価データが違う場合の例
$ ./svm-scale -s data.minmax data.train > data.train.scale $ ./svm-scale -r data.minmax data.measure > data.measure.scale
（学習データと評価データのスケールを同じにするため，学習データの最大値と最小値をファイルに保存することで評価データの方にも同じスケーリングを施している）
- 学習データと評価データが同じ場合の例（Cross Validation を使う際も含む）
- svm-trainで学習する
- モデルファイルの作成
$ ./svm-train data.train.scale
- これでdata.train.scale.modelという名前のモデルファイルができる
- 10-Fold Cross Validationを行う
- 学習データの量が少ないとき，評価データを用意していないとき等に行う評価方法
- 学習データを10個に分割して，1個を評価データ，残りの9個を学習データとして評価する
- これを分割数（10回）行い，その平均を結果とする
$ ./svm-train -v 10 data.train.scale
- モデルファイルの作成
- svm-predictで評価する
- 評価データを用意しているときは，Cross Validationを行う必要はない
- 作成したモデルファイルを利用し実際に予測を行う
$ ./svm-predict data.measure.scale data.train.scale.model > result.txt
- result.txt に書きだされた結果が実際に予測された結果となる
- 実際に音声の判別に使ってみる
テーマ: 「工事中」 †
