Gist-LIBLINEAR-CIFAR-10 项目中的训练数据和测试数据是从网络上下载的CIFAR-10，考虑太大，没有传来，运行程序只需要把data_batch1.mat --- data_batch5.mat 和test_batch.mat加入文件中， 就可以在MATLAB中运行.m程序了。 打开MATLAB 运行TrainGist.m 文件 进行训练数据的特征提取，会在E盘下面生成一个Feartures.txt 文件，运行TestGist.m文件，提取测试数据特征，保存在E盘test_data.txt文件当中；然后就得到Train和Predict的输入文件了。 再用Train和Predict进行训练和测试。 打开运行cmd，进入文件目录， 在该目录下输入train -S type Feartures.txt type可以是从0到7 表示，训练模式。 得到一个Feartures

LIBLINEAR is a simple package for solving large-scale regularized linear classification and regression. It currently supports - L2-regularized logistic regression/L2-loss support vector classification/L1-loss support vector classification - L1-regularized L2-loss support vector classification/L1-regularized logistic regression - L2-regularized L2-loss support vector regression/L1-loss support vector regression. When to use LIBLINEAR but not LIBSVM ==================================== There are some large data for which with/without nonlinear mappings gives similar performances. Without using kernels, one can efficiently train a much larger set via linear classification/regression. These data usually have a large number of features. Document classification is an example. Warning: While generally liblinear is very fast, its default solver may be slow under certain situations (e.g., data not scaled or C is large). See Appendix B of our SVM guide about how to handle such cases. http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf Warning: If you are a beginner and your data sets are not large, you should consider LIBSVM first. LIBSVM page: http://www.csie.ntu.edu.tw/~cjlin/libsvm

杂货店 基于LibLinear的简单高效的短文本分类工具 嵌入作为默认标记器，以支持中文标记化 其他语言： 表现 火车组合：48个带有32个标签的新闻标题 测试集：带有32个标签的16k新闻标题 与svm和朴素贝叶斯进行比较 分类器 准确性 时间成本 scikit学习（nb） 76.8％ 134 scikit学习（svm） 76.9％ 121 杂货店 79.6％ 49 样例代码 >> > from tgrocery import Grocery # Create a grocery(don't forget to set a name) >> > grocery = Grocery ( 'sample' ) # Train from list >> > train_src = [ ( 'education' , 'Student debt to cost Brit

大数据SVM训练分类器，使用方法参考https://blog.csdn.net/sinat_22548843/article/details/46931831

liblinear最新版1.96（2014.11出），有需要的拿去

TextGrocery：一简单高效的短文本分类工具，基于 LibLinear 和 Jieba

LIBLINEAR是一个简单的求解大规模规则化线性分类和回归的软件包。最显著的的特点就是速度快。对一些大数据来说，有没有非线性映射，他们的性能差不多。如果不使用核，我们可以用线性分类或者回归来训练一个更大的数据集。这些数据往往具有非常高维的特征，例如文本分类Document classification。