今天來個大結局吧，我們有了chi值或者TF-IDF值以後，就可以拿他們用lib-svm工具進行訓練了。

         當然我們還要對資料進行一些標準化處理，我們需要將某詞與該詞對應的值作為一個向量處理，這個就是特徵向量了。

         舉個例子，我們得到的某個文本里有一個這樣的值：汽車   3456.2314    。

         其實這就是一個二維的特徵向量，我們可以把文字編號比如“汽車”記為1，那麼這個向量就是 1：3456.2314 。

         如果再加上該文字屬於某一類這個維度，假設汽車這個詞是第一類，向量就變成三維的了：1 1：3456.2341 。

         之所以表示成這樣的形式，是lib-svm工具介面接受的資料形式。

         我們每一類文章計算完特徵值的時候，還是分在1000篇左右的文本里的，我們需要取出來一部分來代表這類文字，可以每篇取2000個，1000個，甚至500或者300個，這個取決於文字的大小等各種因素。

         這樣我們把每一類的前300（假設每個文字取300個）個特徵值最大的詞取出來放到一個文本里，去重，大概剩2000多個詞，這個就叫資料字典了。

         比如第一類文字可能是這樣：1   1：3456.2341

                                                             1   2：3234.2211

                                                             1   3：344.4356

         第一列數字是告訴訓練工具這個詞是來自哪一類，第二列就是對應的該類特徵值比較大的詞語編號了，第三列則是該詞對應的特徵值。

         我們把每一類都做同樣的處理，這樣libsvm工具就能正確的來處理這些資料了。
         開啟libsvm工具包，可以看到windows目錄下是這樣的：

       

我們可以把之前生成的dict.txt 檔案放到該目錄下，然後用svm-train.exe訓練文字。

操作命令如下：

當然，這個訓練工具提供了很多的引數可調，這裡我們就不管了，全部預設引數。操作命令裡不加任何調引數的命令，train.model就是訓練完生成的模型檔案，儲存在lib-svm目錄下的Windows目錄下。

然後我們呢可以用同樣的處理方式把訓練集處理一遍，生成test.txt（text.txt檔案形式與內容幾乎都跟dict.txt一樣，只不過dict是由訓練集通過一系列操作生成，而test.txt由測試集經過同樣的步驟生成）檔案，這樣我們就可以去預測了。

命令列如下：

 

這樣，整體的分類準確度就直接給出來了。

我們可以根據output檔案自己統計每一類的準確率和召回率。