机器学习：libsvm数据格式

一、什么是libsvm

libsvm是一种机器学习中常见的数据保存格式，它有如下特征：

[label] [index1]:[value1] [index2]:[value2] …[label] [index1]:[value1] [index2]:[value2] …

label目标值，就是说class（属于哪一类），就是你要分类的种类，通常是一些整数。

index是有顺序的索引，通常是连续的整数。就是指特征编号，必须按照升序排列

value就是特征值，用来train的数据，通常是一堆实数组成。

即：

目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 …目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 ………目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 …

一、libsvm文件的读取

python中使用sklearn包很容易就能读取到libsvm格式的数据

需要导入下面的包（如果没有安装sklearn的包要先自己安装）：

from sklearn.datasets import load_svmlight_filedef load_data(filename):data = load_svmlight_file(filename)return datadata = load_data('yourpath/housing_scale.txt')print(type(data))#<class 'tuple'>print(type(data[0]))print(data[0][0])#<class 'scipy.sparse.csr.csr_matrix'># (0, 0)-1.0# (0, 1)-0.64# (0, 2)-0.86437# (0, 3)-1.0# (0, 4)-0.37037# (0, 5)0.155011# (0, 6)0.283213# (0, 7)-0.461594# (0, 8)-1.0# (0, 9)-0.583969# (0, 10)-0.425532# (0, 11)1.0# (0, 12)-0.82064# 发现tuple中data[0]是csr_matrix类型

load_svmlight_file(f, n_features=None, ...) --> 返回 <class 'tuple'>

由于libsvm格式存储的数据不保证每一行的每一列都有数据（即有数据缺省），所以返回的tuple的data[0]是一个稀疏矩阵.

如果我们想要numpy库去操纵该矩阵，需要调用：

X = data[0].toarray()#或者X = data[0].todense()#或者X = data[0].A