【libsvm参数说明】在使用LIBSVM（一种广泛使用的支持向量机工具库）时，了解其关键参数对于模型的性能优化至关重要。以下是对LIBSVM主要参数的总结，并通过表格形式进行清晰展示。
一、常用参数说明
1. -s：指定SVM的类型
- 0：C-SVC（多类分类）
- 1：nu-SVC（多类分类）
- 2：one-class SVM（单类分类）
- 3：epsilon-SVR（回归）
- 4：nu-SVR（回归）
2. -t：核函数类型
- 0：线性核
- 1：多项式核
- 2：径向基函数（RBF）
- 3：Sigmoid核
- 4：自定义核（需提供核矩阵）
3. -d：多项式核的次数（仅当-t=1时有效）
4. -g：RBF核的gamma值（即1/(2σ²)），默认为1/特征数
5. -r：多项式/Sigmoid核的系数（常数项）
6. -c：C参数，用于C-SVC和epsilon-SVR，控制分类误差与模型复杂度之间的平衡
7. -n：nu参数，用于nu-SVC和nu-SVR，控制支持向量的比例
8. -m：SVM的缓存大小（单位：MB），影响训练速度
9. -e：停止条件的精度（用于epsilon-SVR）
10. -h：是否对数据进行缩放（0或1）
11. -b：是否输出概率估计（0或1）
12. -wi：设置各类别的权重（用于不平衡数据集）
二、参数总结表
| 参数 | 说明 | 默认值 | 备注 |
| -s | SVM类型 | 0 | 0: C-SVC, 1: nu-SVC, 2: one-class, 3: epsilon-SVR, 4: nu-SVR |
| -t | 核函数类型 | 0 | 0: 线性, 1: 多项式, 2: RBF, 3: Sigmoid |
| -d | 多项式核的次数 | 3 | 仅当-t=1时生效 |
| -g | RBF核的gamma值 | 1/特征数 | 默认为1/特征数 |
| -r | 多项式/Sigmoid核的常数项 | 0 | 用于多项式和Sigmoid核 |
| -c | C参数 | 1 | 控制正则化强度 |
| -n | nu参数 | 0.5 | 用于nu-SVC和nu-SVR |
| -m | 缓存大小 | 40 | 单位：MB，影响训练速度 |
| -e | 停止精度 | 0.001 | 用于epsilon-SVR |
| -h | 数据缩放 | 1 | 1表示启用缩放 |
| -b | 概率估计 | 0 | 1表示启用概率输出 |
| -wi | 类别权重 | 无 | 可设置不同类别的权重 |
三、使用建议
- 对于大多数分类任务，推荐使用 `-s 0` 和 `-t 2`（即C-SVC和RBF核）。
- 如果数据不平衡，可以通过 `-wi` 设置类别权重。
- 若追求速度，可适当减小 `-m` 的值；若追求精度，增大 `-m`。
- 在使用概率输出时，应设置 `-b 1`，但会略微增加训练时间。
通过合理配置这些参数，可以显著提升LIBSVM模型的性能和泛化能力。实际应用中，建议结合交叉验证和网格搜索进行参数调优。
