使用libsvm进行SVR

昨天最大的收获就是明了了原来SVM中的SVC对我没用，因为它需要将数据分好类，对我有用的是SVR，用它来做回归，也就是拟合，效果据说不错～
今天就正式开始动手了，先简单的写了一个数据转换的类（以后要把所有的数据格式转换都放到这个类里面去，用不同的函数来调用），将模糊推理里用的数据转为libsvm指定的格式。然后在easy.py里在Cross validation和后面的Training里添加上了"-s 3"，用教程里说的"python easy.py c-z-1.svm"来处理数据，结果是：“Best c=32768.0, g=0.5 CV rate=8.0785”！看起来好像不太妙，虽然还不是很清楚这里的CV rate是什么意思，但前面的c居然等于32768这么大的数，肯定是出问题了～
上网继续搜libsvm的使用，发现还有个gridregression.py的程序，好像是专门针对SVR进行grid搜索的。下载一看，就是在grid.py的基础上修改的，好像就是添加了一个-p，从而是搜索c,g,p三维空间，这下子搜索量就更大了！看来搞一个启发式的搜索最佳参数的算法还是很有必要的啊～
改了gridregression.py中的路径（后来发现其实不用改，因为用easy.py调用时会传入路径），在easy.py中也修改了相应的调用命令，得出的c，g，p都正常许多，CV rate值变成了一点多，看来是越小越好啊～
修改后的gridregression.py和easy.py都发到发芽网上去了。以后还要写个启发式搜索c,g,p的算法，不然运算量太大了，算一次得老半天，这可不行啊！