前言
LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM分类与回归的软件包。LIBSVM软件包拥有目前各种常用编程语言的版本，如Python、Java、Matlab等。
一、支持算法
LIBSVM支持下述算法，具体可以参考作者写的介绍文档
1.1 C-SVC
1.2 ν-SVC
1.3 ε-SVR
1.4 ν-SVR
二、LIBSVM入门使用
作者写了该软件包的入门使用文档
SVM使用流程：
转换数据格式；
缩放数据，例如将其变换到[0,1]或者[-1,1]的范围；
使用RBF核函数；
使用交叉验证寻找最优参数C和r；
使用最优参数训练整个数据集；
测试。
首选RBF核函数，原因是：
线性核是RBF的特例；
Sigmoid核在特定参数下的特性类似于RBF；
多项式核参数比RBF多，在阶数较高时且容易导致计算数值过大。
但是在特征数量很大时，RBF可能会不适用，使用线性核是一种更好的选择。
寻找最优参数：
使用网格搜索利用交叉验证寻找最优参数时，先使用粗网格，然后缩小寻找区域使用细网格。网格使用指数拉伸网格，例如：C=2-5,2-4,...,210 ，gamma=2-7,2-6,...,215。
特征数量：
特征过多时，先进行特征提取，选取一个合适的特征子集。
LIBSVM不适合特征数量过多且样本数量过多的情形，比如文档分类。
LIBLINEAR更加适合这类情况。
在样本数量很大时，LIBLINEAR速度会快很多倍。
三、Python接口
LIBSVM接口函数在svmutil.py文件中，按照源码顺序依次是：
svm_read_problem(data_file_name)
从文本文件中读取数据，数据的格式为：
label index1:value1 index2:value2 ...
返回
