本文主要是介绍libsvm 数据格式简介，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
libsvm文件数据格式：
<label> <index1>:<value1> <index2>:<value2> ...
其中，
<label> 是训练数据集的目标值，对于分类，它是标识某类的整数(支持多个类)；对于回归，是任意实数。
<index> 是以1开始的整数，可以是不连续的；
<value>为实数，也就是我们常说的自变量。
即：lable 数据集的标签，index为特征，value为特征值。
例如：
+1 1:0.708333 2:1 3:1 4:-0.320755
-1 1:0.583333 2:-1 3:0.333333 4:-0.603774
+1 1:0.166667 2:1 3:-0.333333 4:-0.433962
-1 1:0.458333 2:1 3:1 4:-0.358491
需要注意的是，如果特征值value为0，则此特征可以省略，index可以不连续。如：
-15 1:0.708 3:-0.3333
表明第2个特征值为0，从编程的角度来说，这样做可以减少内存的使用，并提高做矩阵内积时的运算速度。
需要注意以下几点：
- 标签列label可以重复；
- 索引index要从1开始；
- 数据的长度是以最大列数为准的，因为特征值value为0，则此特征index可以省略。因此最好是要保持数据列数一致；
Spark 中自带的 data/mllib/sample_libsvm_data.txt 介绍：
总共100个实例，label的取值为：0和1。有692个特征。
scala> val data = spark.read.format("libsvm").load("data/mllib/sample_libsvm_data.txt)
data: org.apache.spark.sql.DataFrame = [label: double, features: vector]scala> data.count
res1: Long = 100scala> data.show()
+-----+--------------------+
|label| features|
+-----+--------------------+
| 0.0|(692,[127,128,129...|
| 1.0|(692,[158,159,160...|
| 1.0|(692,[124,125,126...|
| 1.0|(692,[152,153,154...|
| 1.0|(692,[151,152,153...|
| 0.0|(692,[129,130,131...|
| 1.0|(692,[158,159,160...|
| 1.0|(692,[99,100,101,...|
| 0.0|(692,[154,155,156...|
| 0.0|(692,[127,128,129...|
| 1.0|(692,[154,155,156...|
| 0.0|(692,[153,154,155...|
| 0.0|(692,[151,152,153...|
| 1.0|(692,[129,130,131...|
| 0.0|(692,[154,155,156...|
| 1.0|(692,[150,151,152...|
| 0.0|(692,[124,125,126...|
| 0.0|(692,[152,153,154...|
| 1.0|(692,[97,98,99,12...|
| 1.0|(692,[124,125,126...|
+-----+--------------------+
only showing top 20 rows
这篇关于libsvm 数据格式简介的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
