怎样将使用libsvm产生的结果可视化

怎样将使用libsvm产生的结果可视化

把包解压在C盘之中，如：C:\libsvm-3.182.
　　因为要用libsvm自带的脚本grid.py和easy.py,需要去官网下载绘图工具gnuplot,解压到c盘.进入c:\libsvm\tools目录下，用文本编辑器（记事本，edit都可以）修改grid.py和easy.py两个文件，找到其中关于gnuplot路径的那项，根据实际路径进行修改，并保存
　　python与libsvm的连接（参考SVM学习笔记（2）LIBSVM在python下的使用）

　　1.打开IDLE(pythonGUI)，输入>>>importsys>>>sys.version
　　2.如果你的python是32位，将出现如下字符：
　　(default,Apr102012,23:31:26)[MSCv.150032bit(Intel)]’
　　这个时候LIBSVM的python接口设置将非常简单。在libsvm-3.16文件夹下的windows文件夹中找到动态链接库libsvm.dll，将其添加到系统目录，如`C:\WINDOWS\system32\’，即可在python中使用libsvm
　　wk_ad_begin({pid : 21});wk_ad_after(21, function(){$('.ad-hidden').hide();}, function(){$('.ad-hidden').show();});
　　3.执行一个小例子

　　importos
　　os.chdir('C:\libsvm-3.18\python')#请根据实际路径修改
　　fromsvmutilimport*
　　y,x=svm_read_problem('../heart_scale')#读取自带数据
　　m=svm_train(y[:200],x[:200],'-c4')
　　p_label,p_acc,p_val=svm_predict(y[200:],x[200:],m)
　　##出现如下结果，应该是正确安装了optimizationfinished,#iter=257nu=0.351161
　　obj=-225.628984,rho=0.636110nSV=91,nBSV=49
　　TotalnSV=91

　　Accuracy=84.2857%(59/70)(classification)