- svm_lightの使用
参考ページ
http://www.kazamiya.net/svm/svm-light_install.html
ソース
http://download.joachims.org/svm_light/current/svm_light.tar.gz
コンパイル
501 mkdir svm-light
502 cd svm-light
500 wget http://download.joachims.org/svm_light/current/svm_light.tar.gz
509 gzip -d svm_lig*
513 tar -xvf svm_light.tar
516 make
使い方：
http://www.eml.ele.cst.nihon-u.ac.jp/~momma/wiki/wiki.cgi/SupportVectorMachine/SVMlight.html
を参考にする．
学習用プログラムsvm_learnと分類プログラム svm_classify.
svm_learn [options] data_file model_file
svm_classify [options] data_file2 model_file output_file
学習のファイルの例（参照先のページを参考にさせていただきました）：
data_file
-1 1:0.43 3:0.12 9284:0.2 # abcdef
abcdefに関するデータで、ネガティブ解で特徴量1が0.43、特徴量3が0.12、特徴量9284が0.2、他の特徴量2,4〜9283(仮に9284が特数徴とすると)は0となる.
例１ data_file
$ cat my_example.txt （特徴量２が負の数なら1，正の数なら-1）
1 1:1 2:-1 1 1:2 2:-1 1 1:3 2:-3 1 1:4 2:-4 1 1:5 2:-5 1 1:6 2:-2 1 1:7 2:-3 -1 1:8 2:1 -1 1:9 2:1 -1 1:10 2:1 -1 1:11 2:3 -1 1:4 2:4 -1 1:5 2:1 -1 1:6 2:6 -1 1:7 2:30 -1 1:8 2:1
学習
./svm_learn.exe my_example.txt out_model.dat
こんなのが出力ファイル
$ cat out_model.dat
SVM-light Version V6.02 0 # kernel type 3 # kernel parameter -d 1 # kernel parameter -g 1 # kernel parameter -s 1 # kernel parameter -r empty# kernel parameter -u 2 # highest feature index 16 # number of training documents 11 # number of support vectors plus 1 -0.8191756 # threshold b, each following line is a SV (starting with alpha*y) -0.01486310323903746941076597920528 1:4 2:4 # 0.01486310323903746941076597920528 1:1 2:-1 # -0.01486310323903746941076597920528 1:5 2:1 # 0.01486310323903746941076597920528 1:6 2:-2 # -0.01486310323903746941076597920528 1:8 2:1 # 0.01486310323903746941076597920528 1:2 2:-1 # -0.01486310323903746941076597920528 1:8 2:1 # 0.01486310323903746941076597920528 1:7 2:-3 # -0.0070203585328053545039361793556054 1:9 2:1 # 0.0070203585328053510344892274019912 1:3 2:-3 #
分類
svm_classify.exe my_test.txt out_model.dat out_test.txt << 入力ファイル 答えがわからないときはラベルを0とする： my_test.txt >> 0 1:0 2:-1 0 1:1 2:-1 0 1:2 2:-1 0 1:3 2:1 0 1:4 2:1 0 1:5 2:5
出力ファイル ４番目のデータをはずしてるね。。
1.0553405 0.8794504 0.70356032 0.055340479 -0.1205496 -1.2410992
当たり前だけど、学習用データをつっこむと（こたえつきデータを入れると精度評価してくれる）
$ ../svm_classify.exe my_example.txt out_model.dat out_test2.txt Reading model...OK. (10 support vectors read) Classifying test examples..done Runtime (without IO) in cpu-seconds: 0.00 Accuracy on test set: 100.00% (16 correct, 0 incorrect, 16 total) Precision/recall on test set: 100.00%/100.00%
精度１００％．
$ cat out_test2.txt 0.8794504 0.70356032 1 1.0602748 1.1205496 0.23616488 0.29643968 -0.82410992 -1 -1.1758901 -1.8241099 -0.82904424 -0.29643968 -1.6531542 -7.4970013 -0.82410992
http://blog.goo.ne.jp/rominyan/e/af3f3cc9edb46fccc3b675fb7b452d9a も参考にしました．
- 単語の意味解析の例
