徐海蛟博士Teaching.怎么用dos命令行使用svm-scale,svm-train,svm-predict三个程序，我们在前面博文中已经练习过了。

徐海蛟博士Teaching海量数据（又称大数据）已经成为各大互联网企业面临的最大问题，如何处理海量数据，提供更好的解决方案，是目前相当热门的一个话题。

徐海蛟博士华中科技大学计算机学院[数据与软件工程实验室]最近的跨模态检索与多模态检索炙手可热。与传统的单模态检索不同，在跨模态检索中，检索结果的模态和查询的模态是不同的。

徐海蛟博士环境:WindowsXP,hadoop1.2.1,jdk1.6,myeclipse。Apache官网下载hadoop。解压。

徐海蛟博士归一化是要把需要处理的数据经过处理后限制在一定范围内，例如：[-1,1]或[0,1]。归一化是为了后续数据处理的方便，也使得算法程序收敛加快。

徐海蛟博士Teaching.1984年，莫勒尔和班格尔特合作成立了MathWorks公司，正式把MATLAB推向市场。

徐海蛟博士真实场景下，数据的特征可能比较复杂，系统提供的4种核函数或许达不到最佳效果，那么就需要自定义核函数了。当然，有很多大牛干这个事情，我们可以拿来使用，通过自定义核方式。如何用？

徐海蛟博士Teaching.数据集如下：名称源类型类数训练样本测试样本特征数---------------------------------------------------------------

徐海蛟博士Teaching.我们实验环境：libsvm3.17,python2.7.3,gnuplot4.6。数据集从小到大:dna生物dna,satimage卫星图像,letter字母。

徐海蛟博士Teaching.libsvm可用grid.py(grid的意思是：网格)这个网格搜索python程序帮我们自动完成参数选择。这里，给童鞋们上课说说交叉验证与网格搜索。

徐海蛟博士Teaching.怎么用dos命令行使用svm-scale,svm-train,svm-predict三个程序，我们在前面博文中已经练习过了。

徐海蛟博士Teaching.libSVM有一个tools文件夹，里面包含有四个python文件，是用来对参数优选的。其中，常用到的是easy.py和grid.py两个文件。

徐海蛟博士Teaching.要判断SVM效果，以图形的方式输出的分解线是最直观的。LibSVM自带了一个可视化的程序svm-toy，用来输出类之间的分界线。

徐海蛟博士Teaching.我教学学习的libsvm版本是3.17最新版。应用3.17最新版自带的训练集heart_scale来完成第一个实验，该训练集样本数：270，特征数：13。童鞋们跟我一起玩。

徐海蛟博士Teaching.光说不练，很难真正理解svm的妙处，也难以真正实用。所以，有必要跟着徐海蛟老师一起练习svm。svm理论和工具已经很成熟了。童鞋们并不需要手写每一行代码。

徐海蛟博士Teaching.从SVM的那几张图可以看出来，SVM是一种典型的两类分类器，即它只回答属于正类还是负类的问题。

徐海蛟博士Teaching.回想一下C所起的作用（表征你有多么重视离群点，C越大越重视，越不想丢掉它们）。

徐海蛟博士Teaching.现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。

徐海蛟博士Teaching.之前一直在讨论的线性分类器,器如其名（汗，这是什么说法啊），只能对线性可分的样本做处理。

徐海蛟博士Teaching.让我再一次比较完整的重复一下我们要解决的问题：我们有属于两个类别的样本点（并不限定这些点在二维空间中）若干，圆形的样本点定为正样本（连带着，我们可以把正样本所属的类叫做正类）

徐海蛟博士Teaching.一个求最小值的问题就是一个优化问题（也叫寻优问题，更文绉绉的叫法是规划――Programming），它同样由两部分组成，目标函数和约束条件，可以用下面的式子表示：（式1）约束条件用函数

徐海蛟博士Teaching.上节说到我们有了一个线性分类函数，也有了判断解优劣的标准――即有了优化的目标，这个目标就是最大化几何间隔，但是看过一些关于SVM的论文的人一定记得什么优化的目标是要最小化||

徐海蛟博士Teaching对于文本分类这样的不适定问题（有一个以上解的问题称为不适定问题），需要有一个指标来衡量解决方案（即我们通过训练建立的分类模型）的好坏，而分类间隔是一个比较好的指标。

徐海蛟博士Teaching线性分类器(一定意义上,也可以叫做感知机)是最简单也很有效的分类器形式.在一个线性分类器中,可以看到SVM形成的思路,并接触很多SVM的核心概念.用一个二维空间里仅有两类样本的分类问题来举个小例子

徐海蛟博士Teaching海量数据（又称大数据）已经成为各大互联网企业面临的最大问题，如何处理海量数据，提供更好的解决方案，是目前相当热门的一个话题。

徐海蛟博士华中科技大学计算机学院[数据与软件工程实验室]最近的跨模态检索与多模态检索炙手可热。与传统的单模态检索不同，在跨模态检索中，检索结果的模态和查询的模态是不同的。

徐海蛟博士华中科技大学计算机学院[数据与软件工程实验室]最近的跨模态检索与多模态检索炙手可热。与传统的单模态检索不同，在跨模态检索中，检索结果的模态和查询的模态是不同的。

徐海蛟博士Teaching.支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中