---------------------【6.27 更新 libsvm 使用方法】-------------------------------------------------------------------
先去 github 下载解压到随便哪个目录中： https://github.com/cjlin1/libsvm
在代码中这样加载：
import sys
sys.path.append('path/to/libsvm/')
from svmutil import *
完工～～～
** 代码看 github，新的代码每运算一次迭代会快一点。 **
最新代码 Github 地址： https://github.com/HansRen1024/SVM-classification-localization
前言#
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。代码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。 **
[PSO+PCA 代码]#
(https://github.com/HansRen1024/SVM-classification-localization)
后记#
大概算了一下，30 个 birds，50 次迭代。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部最优。所以我同时跑了多个程序，看看结果差距如何。
** github 上最新的代码运算次数为 1+30+30×50+（1+30）×50 = 3081 快很多哦 **
**
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多。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。
**