在使用svm中遇到的問題與解決，首先下面的程式碼是沒有實現的（但邏輯是沒有問題的，只是svm_predict不支援核2,3,4）

String path = Environment.getExternalStorageDirectory().toString()+ File.separator + fileDir;
String test_path = path + "/test3.txt";
String output_path = path + "/result.txt";
String model_name = path + "/my_model2.txt";
String[] testArgs = {test_path, model_name, output_path};
svm_model model;
model=svm.svm_load_model(model_name);
svm_node[] test = new svm_node[]{new svm_node()};
for(int l=0;l<15;l++){
    test[0].index = i;
    test[0].value = features[featuren-1][l];
}
svm_predict predict = new svm_predict();
//double result_normal = svm.svm_predict.//svm_predict(model_name, test_path);
System.out.println("++++++++++++++++++++++++++++++++++++++SVM predict");
double[] l = new double[2];
double pred_result = svm.svm_predict_probability(model, test,l);
System.out.print("pred_result----->");System.out.println(pred_result);
 

這裡讀原始碼可以看到svm_predict可以支援哪些核如下

var0.param.svm_type != 2 && var0.param.svm_type != 3 && var0.param.svm_type != 4，這些核都是不支援的

      0 -- C-SVC   （多類分類） 1 -- nu-SVC   （多類分類）核可以支援

所以當遇到對應核無法實現的時候，可以使用接下來的方法，將資料儲存到TXT（test3.txt）檔案中，使用檔案的方式對資料進行測試。(注意我這裡已經訓練好了，與訓練有關的引數都沒有使用，但是為了方便大家可能的學習，還是保留下來了)

我們解決這個問題無非是想實時呼叫，而不是隻是顯示在result.txt或者桌面上，所以接下來進行一個引數的追蹤（就是顯示在System.out中的正確率=90%（9/10），這個9就是我們要的數字，就是當前測試集中正確的個數，如果為1個，那就是這個樣例的測試結果）

String path = Environment.getExternalStorageDirectory().toString()+ File.separator + fileDir;
 /*File file3 = new File(path,"/test.csv");
 BufferedWriter bw3 = new BufferedWriter(new FileWriter(file3,true));
 bw3.write("s");
 bw3.close();
 System.out.println("file3");*/
 String train_path = path + "/1015c.txt";
 String test_path = path + "/test3.txt";
 String output_path = path + "/result.txt";
 String model_name = path + "/my_model2.txt";
 //String[] trainArgs = {train_path, model_name};//、、"-s 2 -t 2 -n 0.01"關於引數可以在train。Java中直接進行修改，這裡就不操作了
 String[] testArgs = {test_path, model_name, output_path};
 //______svm_train train = new svm_train();
svm_predict predict = new svm_predict();
 //double result_normal = svm.svm_predict.//svm_predict(model_name, test_path);
 System.out.println("++++++++++++++++++++++++++++++++++++++SVM predict");
 //______train.main(trainArgs);
 predict.main(testArgs);
 

之後在svm_predict.java中對其中的引數進行引用，可以將這個結果拿出來作為其他.java的使用

//**********svm——predict                       112行左右		
if(svm_type == svm_parameter.EPSILON_SVR ||
		   svm_type == svm_parameter.NU_SVR)
		{
			svm_predict.info("Mean squared error = "+error/total+" (regression)\n");
			svm_predict.info("Squared correlation coefficient = "+
				 ((total*sumvy-sumv*sumy)*(total*sumvy-sumv*sumy))/
				 ((total*sumvv-sumv*sumv)*(total*sumyy-sumy*sumy))+
				 " (regression)\n");
		}
		else
			MainActivity.correctnn(correct);  
//程式碼修改在上一行，這個correctnn是最後分類正確的個數，你就可以通過傳遞這個引數到某.java
//使用java呼叫就可以解決這個問題
		System.out.println(correct);
			svm_predict.info("Accuracy = "+(double)correct/total*100+
				 "% ("+correct+"/"+total+") (classification)\n");
	}

本人第一次寫部落格，對於程式碼上的問題比較大的感慨就是如何去debug與讀原始碼，只有深入瞭解了 才有可能做出需要的修改

本人原創，轉載請註明出處謝謝