文章目录

• 〇、推荐
• 一、liblinear版本
• 二、翻译整合
• • 介绍
  • 安装
  • 快速开始
  • Scipy快速入门
  • 设计说明
  • 数据结构
  • 效用函数
  • 附加信息
• 三、整体翻译
• 四、原文

〇、推荐

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。

一、liblinear版本

二、翻译整合

介绍

Python（http://www.python.org/）是一种适合快速编程的编程语言
发展。该工具为LIBLINEAR（一个库）提供了一个简单的Python接口
用于支持向量机（http://www.csie.ntu.edu.tw/~cjlin/liblinear）。
该界面非常易于使用，因为其用法与LIBLINEAR的用法相同。该界面是使用内置的Python库“ctypes”开发的。

安装

在Unix系统上，输入

该接口只需要生成的LIBLINEAR共享库
上面的命令。我们假设共享库在LIBLINEAR上
主目录或系统路径。

对于Windows，共享库liblinear.dll已在目录中准备就绪’… WINDOWS’。您也可以将其复制到系统目录（例如，
用于Windows XP的’C： WINDOWS system32 ‘。要重新生成共享库，
请按照LIBLINEAR README中构建Windows二进制文件的说明进行操作。

快速开始

“Scipy快速入门”将在下一节中介绍。

有两个级别的使用。高级别使用实用功能
在liblinearutil.py中，用法与LIBLINEAR MATLAB接口相同。

＃以LIBSVM格式读取数据

＃以python格式构造问题
＃密集数据

＃稀疏数据

＃其他实用功能

＃获取在线帮助

低级用法直接调用liblinear.py导入的C接口。注意
所有参数和返回值都是ctypes格式。你需要处理它们
小心。

Scipy快速入门

确保已安装Scipy以继续本节。
如果安装了numba（http://numba.pydata.org），一些操作会快得多。

有两个级别的使用。高级别使用实用功能
在liblinearutil.py中，用法与LIBLINEAR MATLAB接口相同。

＃以LIBSVM格式读取数据

＃以Scipy格式构造问题
＃密集数据：numpy ndarray

＃稀疏数据：scipy csr_matrix（（data，（row_ind，col_ind））

＃以Scipy格式应用数据缩放

＃其他实用功能

＃获取在线帮助

低级用法直接调用liblinear.py导入的C接口。注意
所有参数和返回值都是ctypes格式。你需要处理它们
小心。

＃将ndarray（索引，数据）的元组转换为feature_nodearray，一个ctypes结构
＃请注意，索引从0开始，但以下示例将在内部更改为1：1,3：1

设计说明

有两个文件liblinear.py和liblinearutil.py，分别对应于
低级和高级别使用界面。

在liblinear.py中，我们采用Python内置库“ctypes”来实现
Python可以直接访问定义的C结构和接口函数
在linear.h中。

高级用户可以在liblinear.py中使用结构/函数
避免处理ctypes结构，在liblinearutil.py中我们提供了一些易于使用的方法
功能。用法类似于LIBLINEAR MATLAB接口。

数据结构

从linear.h派生的三个数据结构是node，problem和
参数。它们都包含具有相同名称的字段
linear.h。请仔细访问这些字段，因为您直接使用C结构
而不是Python对象。以下描述引入了附加内容
领域和方法。

在使用数据结构之前，请执行以下命令来加载
LIBLINEAR共享库：

• class feature_node：

  构造一个feature_node。

idx：整数表示特征索引。
val：浮点数表示特征值。
显示索引和节点的值。

• 功能：gen_feature_nodearray（xi [，feature_max = None]）

  从Python列表/元组/字典，numpy ndarray或（索引，数据）元组生成特征向量：

xi_ctype：返回的feature_nodearray（一个ctypes结构）

max_idx：xi的最大特征索引

feature_max：如果指定了feature_max，则索引大于的特征
feature_max已删除。

• 课堂问题：

  构造一个问题实例