*LibSVM [#i1a24718] **LibSVMとは [#xd93c22f] -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 [#da463469] ***学習データを用意する(場合によっては評価データも) [#of89e15e] --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! ***svm-scaleで各素性値をスケーリングする [#p59260e8] --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) ***svm-trainで学習する [#i94db550] --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 #ref(crossvalidation.png) $ ./svm-train -v 10 data.train.scale ***svm-predictで評価する [#ke229d75] --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 [#j7a3a673] --テーマ: 「工事中」 [#uf423d42]