Machine learning LIBLINEAR的训练输出

我正在尝试libSVM包，使用RBF和线性分类，并且（我认为）遵循了他们自述文件中的所有建议

我有一个大文件要训练，（70K），所以我尝试使用liblinear而不是RBF

唯一的问题是我无法在培训阶段后获取模型，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值，但当我查看*.model文件以将其用于测试集时，我根本找不到它

你认为这是软件包中的一个bug还是我在这里遗漏了什么

谢谢

---

Rad

我通常直接在代码上使用库，但我认为在您的情况下，没有执行培训，因为您使用的选项-s 6我认为是未定义的

这是用法：

` -s svm_类型：设置svm的类型（默认为0）

` 您还忽略了内核类型

-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)

---

希望这能成功。

选项-v5表示您正在对训练集进行5倍的评估。如果启用此选项，则liblinear使用5倍求值估计误差，而不输出模型

---

如果您想要输出模型，那么不要使用-v5。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。

但是我使用liblinear包，而不是libsvm本身，他们的./train程序已经-s到了13，正如这里提到的@Rad-Hmm这样一个小细节：p我没有使用该版本的库，但我会看一看并让您知道。你已经试过使用普通的libsvm了吗？我发现当我们知道正确的参数（不需要交叉验证）进行训练时，我们不必使用-v选项，然后我们就有了输出模型，这太棒了！你应该写下答案并批准，以备将来参考：）

-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)