Skip to content

Latest commit

 

History

History
208 lines (135 loc) · 5.21 KB

README.md

File metadata and controls

208 lines (135 loc) · 5.21 KB
Raw

DolphinDB SVM Plugin

DolphinDB的SVM插件是基于libsvm1的插件，对常见的支持向量机算法进行了封装。用户可以在DolphinDB中对DolphinDB对象执行SVM模型的训练和预测。

SVM插件目前支持版本：relsease200, release130, release120, release110。您当前查看的插件版本为release200，请使用DolphinDB 2.00.X版本server。若使用其它版本server，请切换至相应插件分支。

构建

该插件使用CMake编译。

mkdir build
cd build
cmake ..
make

插件加载

编译生成 libPluginSVM.so 之后，通过以下脚本加载插件：

loadPlugin("/path/to/PluginSVM.txt");

API

1. svm::fit

根据给定的训练数据训练SVM模型

语法

svm::fit(Y, X, [para=None])

参数

  • y: 目标值向量，元素类型统一为int类型或double类型。
  • X: 输入的训练数据(可以为矩阵、表、向量)，元素类型为double。
    • 当X为矩阵的时候，每一列代表一个样本，列中的元素代表属性值。
    • 当X为表的时候，表中每列数据都必须是double类型,每一行表示一个样本。
    • 当X为向量的时候，fit方法会根据y向量的长度将X均匀分成相应长度的样本。
  • params: 一个string-any类型字典，表示SVM训练参数。它包括如下键值:
    • "type":表示SVM类型。其值可以为"NuSVC"、"NuSVR"、"OneClass"、"SVC"、"SVR"
    • "kernel":表示核函数类型。其值可以为"linear"、"poly"、"rbf"、"sigmoid"、"precomputed"
    • "degree":表示核函数级数。其值为一个int值。
    • "gamma":表示核函数的gamma参数。其值可以为"scale"或者double值。
    • "coef0":表示核函数的coef0参数。其值为一个double值，默认为0。
    • "C":表示C-SVC, epsilon-SVR, and nu-SVR的cost参数。其值为一个double值，默认为1。
    • "epsilon":表示epsilon-SVR中的epsilon参数。其值为一个double值，默认为0.1。
    • "shrinking":表示是使用shrinking heuristics。其值为一个布尔值。默认为1。
    • "cache_size":表示核函数缓存的大小。其值为一个double值，以MB为单位，默认为100。
    • "verbose":表示是否进行详细输出。其值为一个布尔值，默认为True。
    • "nu":表示边界误差的分数的上限）和支持向量的分数的下限。范围属于(0,1]，其默认值为0.5。 返回值

返回一个SVM对象。

2. svm::predict

根据SVM模型和测试数据进行分类或者回归

语法

svm::predict(SVMobject, X)

参数

  • SVMobject: 一个SVM对象。
  • X: 输入的测试数据，元素类型为double。其类型可以为矩阵、表、向量。

返回值

返回一个向量，向量中的值为预测的样本标签值或回归值。

3. svm::score

根据给定的测试数据和标签值计算已有SVM的模型的准确性，并返回统计指标。其中SVM模型由一个SVM对象给出。

语法

svm::score(SVMobject, Y, X)

参数

  • SVMobject: 一个SVM对象。
  • Y: 真实目标值向量。
  • X: 输入的测试数据矩阵。其类型可以为矩阵、表、向量。

返回值

如果是分类模型，返回预测的准确率。如果是回归模型，返回MSE和R2。

4. svm::saveModel

将已经训练好的SVM模型保存。

语法

svm::saveModel(SVMobject, location)

参数

  • SVMobject: 一个SVM对象。
  • location: 一个字符串，表示文件路径。

返回值

一个布尔值，表示模型是否保存成功。

5. svm::loadModel

将文件形式的SVM模型导入到内存中。

语法

svm::loadModel(location)

参数

  • location: 一个字符串，表示SVM模型文件路径。

返回值

一个SVM对象。

示例

例子1 SVM分类模型

训练模型：

path="/path/to/PluginSVM.txt";
modelPath="/path/to/mymodel"
loadPlugin(path)
X = matrix(-1.0 -1.0,-2.0 -1.0, 1.0 1.0, 2.0 1.0)
Y = 1.0 1.0 2.0 2.0
clf = svm::fit(Y, X)

用模型进行预测：

> svm::predict(clf, X)
[1,1,2,2]

评估模型：

> svm::score(clf, X);

1

将模型保存：

svm::saveModel(clf, modelPath)

例子2 SVM回归模型

训练模型：

path="/path/to/PluginSVM.txt";
modelPath="/path/to/mymodel";
loadPlugin(path);
X = table(1 3 5 7 11 16 23 as X)
Y = 0.1 4.2 5.6 8.8 22.1 35.6 77.2
regr = svm::fit(Y, X, {type: "SVR"})

评估模型：

> svm::score(regr, Y, X);

MSE->797.772
R2->0.582937
参考文献：
  1. Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for support vector machines. ACM Transactions on Intelligent Systems and Technology, 2:27:1--27:27, 2011. Software available at http://www.csie.ntu.edu.tw/~cjlin/libsvm

ReleaseNotes:

故障修复

  • 修复了多线程执行 svm::fit 导致 server 宕机的问题。（2.00.10）

功能优化

  • 接口 svm::fit 新增对参数 params 中键值"nu"输入值范围的检查。（2.00.10）