LIBSVM 数据准备：Excel 数据到 LIBSVM 格式
LIBSVM Data Preparation: Excel data to LIBSVM format
我想研究如何执行 LIBSVM 回归，我目前正忙于准备数据。目前我有 .csv 和 .xlsx 格式的这种形式的数据，我想将其转换为 libsvm 数据格式。
到目前为止，我理解数据应该是这种格式，以便它可以在 LIBSVM 中使用：
根据我的阅读，对于回归，"label" 是目标值，可以是任何实数。
我正在进行电力负荷预测研究。谁能告诉我它是什么？最后，我应该如何组织我的列和行？
LIBSVM 数据格式为：
<label> <index1>:<value1> <index2>:<value2> ...
...
...
如您所见，这形成了一个矩阵 [(IndexCount + 1) 列，LineCount 行]。更准确地说是 稀疏矩阵 。如果您为 each index 指定一个值，您将得到一个 dense 矩阵，但是如果您只指定几个索引，例如 <label> <5:value> <8:value>，只有索引 5 和 8，当然还有 label 会有自定义值，所有其他值都设置为 0。这只是为了简化符号或保存 space，因为数据集可能很大。
对于标签的含义，我引用 ReadMe file:
<label> is the target value of the training data. For classification,
it should be an integer which identifies a class (multi-class
classification is supported). For regression, it's any real
number. For one-class SVM, it's not used so can be any number.
is an integer starting from 1, <value> is a real number. The indices
must be in an ascending order.
如您所见，label 是您要预测的数据。 index 标记了数据的 特征 及其 value。特征只是一个指标，用于关联或关联您的目标值，因此可以做出更好的预测。
完全虚构 故事时间：Gabriel Luna（一个完全虚构的角色）想要预测他接下来几天的能量消耗。他发现前一天的室外温度是一个很好的指标，因此他选择 Temperature 和索引 1 作为 特征 。 重要： 索引总是从一开始，零有时会导致奇怪的 LIBSVM 行为。然后，他惊奇地注意到，星期几（周一到周日或 0 到 6）也会影响他的负载，所以他选择它作为第二个 feature 与索引 2。 LIBSVM 的矩阵行现在具有以下格式：
<myLoad_Value> <1:outsideTemperatureFromYesterday_Value> <2:dayOfTheWeek_Value>
Gabriel Luna（他是晚上的蝙蝠侠）现在在几周内捕获这些数据，可能看起来像这样（负载以 kWh 为单位，温度以 °C 为单位，白天如上所述）：
0.72 1:25 2:0
0.65 1:21 2:1
0.68 2:29 2:2
...
注意，由于 稀疏矩阵 格式，我们可以省略 2:0。这将是您训练 LIBSVM 模型的训练数据。然后，我们预测明天的负载如下。你知道今天的温度，假设 23°C，今天是星期二，也就是 1，所以明天是 2。所以，这是与模型一起使用的线或矢量：
0 1:23 2:2
这里可以任意设置<label>值。它将被预测值覆盖。希望对您有所帮助。
我想研究如何执行 LIBSVM 回归，我目前正忙于准备数据。目前我有 .csv 和 .xlsx 格式的这种形式的数据，我想将其转换为 libsvm 数据格式。
到目前为止，我理解数据应该是这种格式，以便它可以在 LIBSVM 中使用：
根据我的阅读，对于回归，"label" 是目标值，可以是任何实数。
我正在进行电力负荷预测研究。谁能告诉我它是什么？最后，我应该如何组织我的列和行？
LIBSVM 数据格式为：
<label> <index1>:<value1> <index2>:<value2> ...
...
...
如您所见，这形成了一个矩阵 [(IndexCount + 1) 列，LineCount 行]。更准确地说是 稀疏矩阵 。如果您为 each index 指定一个值，您将得到一个 dense 矩阵，但是如果您只指定几个索引，例如 <label> <5:value> <8:value>，只有索引 5 和 8，当然还有 label 会有自定义值，所有其他值都设置为 0。这只是为了简化符号或保存 space，因为数据集可能很大。
对于标签的含义，我引用 ReadMe file:
<label> is the target value of the training data. For classification, it should be an integer which identifies a class (multi-class classification is supported). For regression, it's any real number. For one-class SVM, it's not used so can be any number. is an integer starting from 1, <value> is a real number. The indices must be in an ascending order.
如您所见，label 是您要预测的数据。 index 标记了数据的 特征 及其 value。特征只是一个指标，用于关联或关联您的目标值，因此可以做出更好的预测。
完全虚构 故事时间：Gabriel Luna（一个完全虚构的角色）想要预测他接下来几天的能量消耗。他发现前一天的室外温度是一个很好的指标，因此他选择 Temperature 和索引 1 作为 特征 。 重要： 索引总是从一开始，零有时会导致奇怪的 LIBSVM 行为。然后，他惊奇地注意到，星期几（周一到周日或 0 到 6）也会影响他的负载，所以他选择它作为第二个 feature 与索引 2。 LIBSVM 的矩阵行现在具有以下格式：
<myLoad_Value> <1:outsideTemperatureFromYesterday_Value> <2:dayOfTheWeek_Value>
Gabriel Luna（他是晚上的蝙蝠侠）现在在几周内捕获这些数据，可能看起来像这样（负载以 kWh 为单位，温度以 °C 为单位，白天如上所述）：
0.72 1:25 2:0
0.65 1:21 2:1
0.68 2:29 2:2
...
注意，由于 稀疏矩阵 格式，我们可以省略 2:0。这将是您训练 LIBSVM 模型的训练数据。然后，我们预测明天的负载如下。你知道今天的温度，假设 23°C，今天是星期二，也就是 1，所以明天是 2。所以，这是与模型一起使用的线或矢量：
0 1:23 2:2
这里可以任意设置<label>值。它将被预测值覆盖。希望对您有所帮助。