PythonでLIBSVMを使う

導入方法
1．ここからLIBSVMのzipファイルもしくはtar.gzファイルをダウンロードし適当なディレクトリに解凍。（最新版3.1）
2．解凍したフォルダに移動し、makeコマンド実行。以下のファイルができるはず。
　svm.o
　svm-train.exe
　svm-predict.exe
　svm-scale.exe
3．解凍したフォルダの中のpythonフォルダに移動し、makeコマンド実行。以下のファイルができるはず。
　libsvm.so.2

使用例
適当に学習させてみる．
svmtest.py

from svm import *
from svmutil import *

prob = svm_problem([1,-1], [[1,0,1], [-1,0,-1]]) #訓練データ
param = svm_parameter('-t 1 -c 3') #SVMのパラメータ設定
m = svm_train(prob, param) #学習
#新しいクラスに対する予測
p_labels, p_acc, p_vals = svm_predict([1,-1], [[2,1,2],[-3,-2,-10]], m)
print p_labels #予測結果

実行．

>>> python svmtest.py
*
optimization finished, #iter = 1
nu = 0.166667
obj = -0.500000, rho = 0.000000
nSV = 2, nBSV = 0
Total nSV = 2
Accuracy = 100% (2/2) (classification)
[1.0, -1.0]

パラメタの設定

オプション	説明	デフォルト値
-s	SVMの種類．以下を設定． 0 -- C-SVC 1 -- nu-SVC 2 -- one-class SVM 3 -- epsilon-SVR 4 -- nu-SVR	0
-t	カーネルの種類．以下を設定． 0 -- 線形カーネル(ただの内積): K(u,v) = uTv 1 -- 多項式カーネル: K(u,v) = (&gamma uTv + r)d 2 -- 動径基底関数カーネル: K(u,v) = exp(-&gamma |u-v|2) 3 -- シグモイドカーネル: K(u,v) = tanh(&gamma uTv + r) 4 -- training_set_fileに記述したカーネル	2
-d	多項式カーネルのパラメタd．	3
-g	多項式，動径基底関数，シグモイドカーネルのパラメタ&gamma．	1/n n:特徴ベクトルの次元
-r	多項式，シグモイドカーネルのパラメタr．	0
-c	C-SVC，epsilon-SVR，nu-SVRで使用するパラメタC．	1
-n	nu-SVC，one-class SVM，nu-SVRで使用するパラメタnu．	0.5
-p	epsilon-SVRのパラメタ&epsilon．	0.1
-m	使用キャッシュサイズ．単位はMB．	100
-e	終了基準．	0.001
-h	shrinking heuristicsを使う場合は1，使わない場合は0．	1
-b	確率推定付きのSVC/SVRモデルを作成する場合は1，しない場合は0．	0
-wi	C-SVCにおけるクラスiのパラメタCの重み．(weight*C)	1
-v	n-分割交差検定(n-fold cross validation)モード．	-
-q	quiet mode (no outputs)	-