svmlight使用心得
最近用其svmlight进行movie review文本分类的问题。查阅了1些svmlight软件的使用方法，在此整理以下：
1）下载svm_light软件，分别为svm_classify.exe和svm_learn.exe
2）下载它的训练数据的example，以下面的图所示：
train.dat
model
test.dat与train.dat格式相似
3）下面了解1些训练数据的格式
文件格式
文件格式要先交代1下. 你可以参考 libsvm 里面附的 “heart_scale”: 这是SVM 的输入文件格式.
[label] [index1]:[value1] [index2]:[value2] …
[label] [index1]:[value1] [index2]:[value2] …
1行1条记录数据，如:
+1 1:0.708 2:1 3:1 4:-0.320 5:-0.105 6:⑴
label
或说是class, 就是你要分类的种类，通常是1些整数。
index
是有顺序的索引，通常是连续的整数。
value
就是用来 train 的数据，通常是1堆实数。
每行都是如上的结构, 意思就是: 我有1排数据, 分别是 value1, value2, …. value, (而且它们的顺序已由 index 分别指定)，这排数据的分类结果就是label。
也许你会不太懂，为何会是 value1,value2,…. 这样1排呢？ 这牵涉到 SVM 的原理。你可以这样想（我没说这是正确的）， 它的名字就叫 Support “Vector” Machine，所以输入的训练数据是 “Vector”(向量), 也就是1排的 x1, x2, x3, … 这些值就是 value，而 x[n] 的n就是由index 指定。这些东西又称为 “（属性）attribute”。
真实的情况是，大部分时候我们给定的数据可能有很多 “特点(feature)” 或说 “属性(attribute)”，所以输入会是1组的。举例来讲，之前面点分区的例子 来讲，我们不是每一个点都有 X 跟 Y 的坐标吗？所以它就有两种属性。假定我有两个点： (0,3) 跟 (5,8) 分别在 label(class) 1 跟 2 ，那就会写成
1 1:0 2:3
2 1:5 2:8
同理，空间中的3维坐标就等于有3组属性。这类文件格式最大的好处就是可使用稀疏矩阵（sparse matrix），或说有些数据的属性可以有缺失。
4）Dos进入训练、测试数据所在的文件夹，进行测试
>svm_learn -c 0.5 -g 3.2 train.dat model
>svm_classify test.txt model predict_result.txt
其中有1些参数，我以后用到时会再发博客讲授。