SVM
SVM插件基于 libsvm,对常见的支持向量机算法进行了封装。用户可在 DolphinDB 中对 DolphinDB 对象执行 SVM 模型的训练和预测。
目前支持版本:relsease200, release130, release120, release110。
构建
该插件使用 CMake 编译。
mkdir build
cd build
cmake ..
make
插件加载
编译生成 libPluginSVM.so 之后,通过以下脚本加载插件:
loadPlugin("/path/to/PluginSVM.txt");
API
svm::fit
根据给定的训练数据训练 SVM 模型
语法
svm::fit(Y, X, [para=None])
参数
- y: 目标值向量,元素类型统一为int类型或double类型。
- X: 输入的训练数据(可以为矩阵、表、向量),元素类型为 double。
- 当X为矩阵的时候,每一列代表一个样本,列中的元素代表属性值。
- 当X为表的时候,表中每列数据都必须是 double 类型,每一行表示一个样本。
- 当X为向量的时候,fit方法会根据y向量的长度将X均匀分成相应长度的样本。
- params: 一个 string-any 类型字典,表示 SVM 训练参数。它包括如下键值:
- "type":表示 SVM 类型。其值可以为"NuSVC"、"NuSVR"、"OneClass"、"SVC"、"SVR"
- "kernel":表示核函数类型。其值可以为"linear"、"poly"、"rbf"、"sigmoid"、"precomputed"
- "degree":表示核函数级数。其值为一个 int 值。
- "gamma":表示核函数的 gamma 参数。其值可以为 "scale" 或者 double 值。
- "coef0":表示核函数的 coef0 参数。其值为一个 double 值,默认为0。
- "C":表示C-SVC, epsilon-SVR, and nu-SVR 的 cost 参数。其值为一个 double 值,默认为1。
- "epsilon":表示 epsilon-SVR 中的 epsilon 参数。其值为一个 double 值,默认为0.1。
- "shrinking":表示是使用 shrinking heuristics。其值为一个布尔值。默认为1。
- "cache_size":表示核函数缓存的大小。其值为一个 double 值,以MB为单位,默认为100。
- "verbose":表示是否进行详细输出。其值为一个布尔值,默认为 True。
- "nu":表示边界误差的分数的上限)和支持向量的分数的下限。范围属于(0,1],其默认值为0.5。
返回值 返回一个 SVM 对象。
svm::predict
根据 SVM 模型和测试数据进行分类或者回归
语法
svm::predict(SVMobject, X)
参数
- SVMobject: 一个 SVM 对象。
- X: 输入的测试数据,元素类型为 double。其类型可以为矩阵、表、向量。
返回值
返回一个向量,向量中的值为预测的样本标签值或回归值。
svm::score
根据给定的测试数据和标签值计算已有 SVM 的模型的准确性,并返回统计指标。其中SVM模型由一个 SVM 对象给出。
语法
svm::score(SVMobject, Y, X)
参数
- SVMobject: 一个 SVM 对象。
- Y: 真实目标值向量。
- X: 输入的测试数据矩阵。其类型可以为矩阵、表、向量。
返回值
如果是分类模型,返回预测的准确率。如果是回归模型,返回 MSE 和 R2。
svm::saveModel
将已经训练好的 SVM 模型保存。
语法
svm::saveModel(SVMobject, location)
参数
- SVMobject: 一个 SVM 对象。
- location: 一个字符串,表示文件路径。
返回值
一个布尔值,表示模型是否保存成功。
svm::loadModel
将文件形式的SVM模型导入到内存中。
语法
svm::loadModel(location)
参数
- location: 一个字符串,表示SVM模型文件路径。
返回值
一个 SVM 对象。
示例
例子1: SVM 分类模型
训练模型:
path="/path/to/PluginSVM.txt";
modelPath="/path/to/mymodel"
loadPlugin(path)
X = matrix(-1.0 -1.0,-2.0 -1.0, 1.0 1.0, 2.0 1.0)
Y = 1.0 1.0 2.0 2.0
clf = svm::fit(Y, X)
用模型进行预测:
> svm::predict(clf, X)
[1,1,2,2]
评估模型:
> svm::score(clf, X);
1
将模型保存:
svm::saveModel(clf, modelPath)
例子2: SVM 回归模型
训练模型:
path="/path/to/PluginSVM.txt";
modelPath="/path/to/mymodel";
loadPlugin(path);
X = table(1 3 5 7 11 16 23 as X)
Y = 0.1 4.2 5.6 8.8 22.1 35.6 77.2
regr = svm::fit(Y, X, {type: "SVR"})
评估模型:
> svm::score(regr, Y, X);
MSE->797.772
R2->0.582937
参考文献:
- Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for support vector machines. ACM Transactions on Intelligent Systems and Technology, 2:27:1--27:27, 2011. Software available at http://www.csie.ntu.edu.tw/~cjlin/libsvm