Python的LIBSVM：类型错误：__init __（）得到了一个意想不到的关键字参数“kernel_type”

Question

我试图执行在https://stackoverflow.com/a/4215056给出的LIBSVM的例子，但我得到的标题提到的错误类型错误。

from svm import * 
prob = svm_problem([1,-1],[[1,0,1],[-1,0,-1]]) 
param = svm_parameter(kernel_type = LINEAR, C = 1) 
## training the model 
m = svm_model(prob, param) 
#testing the model 
m.predict([1, 1, 1]) 

Error: 
    param = svm_parameter(kernel_type = LINEAR, C = 1) 
TypeError: __init__() got an unexpected keyword argument 'kernel_type' 

Answer 1

我有这个问题libsvm-3.12（我假设你的问题是由类似的东西造成的）。查看libsvm-3.12/python文件夹中的svm.py模块中的方法'svm_parameter'，该方法期望参数作为选项字符串传递，例如， '-t 2 -v 5 -c 1'。

我发现它更好地做到：

from svmutil import * 
# Specify training set 
prob = svm_problem([1,-1],[[1,0,1],[-1,0,-1]]) 
# Train the model 
m = svm_train(prob, '-t 0 -c 1') 
# Make a prediction 
predicted_labels, _, _ = svm_predict([-1],[[1,1,1]],m) 
# Predicted label for input [1,1,1] is predicted_labels[0] 
print "Predicted value: " + str(predicted_labels[0]) 

一点解释：svm_predict（Y，X，M）采取“正确的标签”列表y和输入数据的列表X除模型m。然后，predict_labels将成为x中给出的每个输入的预测类的列表。这允许用户在一行中请求多个预测。

正确的标签由用户返回准确的信息提供。如果用户不知道正确的标签，那么只需在其中放置一个任意标签并忽略准确性值。查看libsvm-3.12/python/svmutil.py中的源代码，以获取有关svm_predict在其他'_'位置返回的内容的更多信息。

特别是，从 'svmutil.py' 采取svm_train的选项有：

""" 
... 
'options': 
    -s svm_type : set type of SVM (default 0) 
     0 -- C-SVC 
     1 -- nu-SVC 
     2 -- one-class SVM 
     3 -- epsilon-SVR 
     4 -- nu-SVR 
    -t kernel_type : set type of kernel function (default 2) 
     0 -- linear: u'*v 
     1 -- polynomial: (gamma*u'*v + coef0)^degree 
     2 -- radial basis function: exp(-gamma*|u-v|^2) 
     3 -- sigmoid: tanh(gamma*u'*v + coef0) 
     4 -- precomputed kernel (kernel values in training_set_file) 
    -d degree : set degree in kernel function (default 3) 
    -g gamma : set gamma in kernel function (default 1/num_features) 
    -r coef0 : set coef0 in kernel function (default 0) 
    -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1) 
    -n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5) 
    -p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1) 
    -m cachesize : set cache memory size in MB (default 100) 
    -e epsilon : set tolerance of termination criterion (default 0.001) 
    -h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1) 
    -b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0) 
    -wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1) 
    -v n: n-fold cross validation mode 
    -q : quiet mode (no outputs) 
""" 

Answer 2

上面的代码不会对libsvm的版本3.16（最新的）工作。改用下面的代码。然而，在开始之前，请确保您有这些文件 - “libsvm.dll”，“svm.py” &“svmutil.py” - 在你的项目工作文件夹。例如：c：\ my project \ python_libsvm_exercise。

from svmutil import * 
m = svm_train([1,-1],[[1,0,1],[-1,0,-1]], '-t 0 -c 10') 
p_labels, p_acc, p_vals = svm_predict([1,-1],[[1,0,1],[-1,0,-1]], m) 

请务必阅读'README'文件。它有很多关于如何使用每个功能的例子。您可以下载最新版本LIBSVM这里http://goo.gl/YtCU