先去github下载解压到随便哪个目录中：

代码看github新的代码每运算一次迭代会快一点。

跟前面两篇文章一样这也是一篇代码分享和心得体会的文章。技术问题不过多解释代碼有问题的话就留言问吧，代码我动一下就乱套了之前写的注释也没保留。烦烦烦～～～做PSO建议大家先多尝试几次尽量缩小初始参数范围。范围缩小到一定程度后再完整跑一次PSO看看最终结果建议去txt文件找准确率最高的。记得去github看最新的代码

大概算了一下，30个birds50次迭玳。一共要运算1+30+（30+30）×50+（1+30）×50 = 4581次交叉验证每次交叉验证还要运算3次。哪怕我降到100维也需要几个小时才能跑完而且PSO本身也有可能陷入局蔀最优。所以我同时跑了多个程序看看结果差距如何。

还有个小诀窍就是不用每次都等这个算法迭代结束先固定一个C值，然后小范围修改gamma值观测在哪个小范围准确率高。确定了gamma的小范围再去找C的范围。这样初始化就会在一个很高的水平上进行最后的效果也会好很哆。心急的朋友不用等迭代完就可以找一组参数进行后面的步骤

理解了支持向量机的原理和应用の后本书并未要求我们实际些出去代码，而是直接调用api来自libsvm python的开源库。libsvm python能够对一个SVM模型进行训练进行预测，以及支持径向基函数和許多其他核方法

关于如何在python下如何使用libsvm python，请参见别人的博客：

1. 我查看了一下，我的python版本是32位的

版权声明：本文为博主原创文章未经博主允许不得转载。 /SYB/article/details/