四、Orange 中的 SVM 应用
Orange 主要从 LIBSVM 包中嵌入了 SVM 来实现。对于回归任务，SVM 使用 这一不敏感损失在高维特征空间中执行线性回归。其估计精度取决于 和核参数的良好设置。
Orange 的主要参数调节界面如图 2-8-13 所示。
2-8-13 SVM 参数调节窗口
2-8-13 SVM 参数调节窗口 （一）SVM 类型
SVM 和 V-SVM 都是基于误差函数的不同最小化。
SVM： ——惩罚系数，适用于分类和回归任务。 c 值大，容易过拟合； c 值小，容易欠拟合。
—— -SVR 模型的参数，适用于回归任务，定义与真实值的距离，在该距离内没有惩罚与预测值相关联。
V-SVM： ——回归惩罚系数，仅适用于回归任务。
：V-SVR 模型的参数，适用于分类和回归任务，训练误差分数的上限，支持向量分数的下限。
SVM 回归算法称为支持向量回归或 SVR。支持向量回归是一种监督学习算法，用于预测离散值。支持向量回归使用与 SVM 相同的原理。SVR 背后的基本思想是找到最佳拟合线。在 SVR 中，最佳拟合线是点数最多的超平面。
（二）核函数的调参
核函数的调参如表 2-8-4 所示。
表 2-8-4 核函数的调参
gamma 越大，支持向量越少，gamma 越小，支持向量越多。
在“数值公差（Numerical tolerance）”中设置与期望值的允许偏差。在“迭代极限（Iteration
limit）”中设置允许的最大迭代次数。
【实例解析】
源数据
包含三个文件，adult-data.txt（训练集）、adult-test.txt（测试集）、adult-attribute.txt（数据来源及属性说明）。
数据属性及数据配置解析如下。
数据配置：
Split into train-test using MLC++ GenCVFiles （2/3，1/3 random）.
48842 instances，mix of continuous and discrete （train=32561，test=16281）
45222 if instances with unknown values are removed （train=30162，test=15060）
Class probabilities for adult.all file
Probability for the label '>50K' ：23.93% / 24.78% （without unknowns）
Probability for the label '<=50K' ：76.07% / 75.22% （without unknowns）
特征属性（共 15 个）：
age：continuous.
workclass：Private，Self-emp-not-inc，Self-emp-inc，Federal-gov，Local-gov，State-gov，Without-pay，Never-worked.
fnlwgt：continuous.
education：Bachelors，Some-college，11th，HS-grad，Prof-school，Assoc-acdm，Assoc-voc，9th，7th-8th，12th，Masters，1st-4th，10th，Doctorate，5th-6th，Preschool.
education-num：continuous.
marital-status：Married-civ-spouse，Divorced，Never-married，Separated，Widowed，
Married-spouse-absent，Married-AF-spouse.
occupation：Tech-support，Craft-repair，Other-service，Sales，Exec-managerial，Prof-specialty，Handlers-cleaners， Machine-op-inspct， Adm-clerical， Farming-fishing， Transport-moving，Priv-house-serv，Protective-serv，Armed-Forces.
relationship：Wife，Own-child，Husband，Not-in-family，Other-relative，Unmarried.
race：White，Asian-Pac-Islander，Amer-Indian-Eskimo，Other，Black.
sex：Female，Male.
capital-gain：continuous.
capital-loss：continuous.
hours-per-week：continuous.
native-country：United-States，Cambodia，England，Puerto-Rico，Canada，Germany，Outlying-US（Guam-USVI-etc），India，Japan，Greece，South，China，Cuba，Iran，Honduras，Philippines ， Italy ， Poland ， Jamaica ， Vietnam ， Mexico ， Portugal ， Ireland ， France ，Dominican-Republic，Laos，Ecuador，Taiwan，Haiti，Columbia，Hungary，Guatemala，Nicaragua，Scotland，Thailand，Yugoslavia，El-Salvador，Trinadad&Tobago，Peru，Hong，Holand-Netherlands.
Orange 平台上机操作关键步骤如图 2-8-14所示。
① 设置四个核函数的学习器；
② 训练集及测试集部署合理；
③ 调整惩罚项及参数设置，调优学习器；
④ 数据集在线端配属正确，不报错；
⑤ 调用可视化模块，对支持向量进行展示。
包含三个文件，adult-data.txt（训练集）、adult-test.txt（测试集）、adult-attribute.txt（数据来源及属性说明）。
数据属性及数据配置解析如下。
数据配置：
Split into train-test using MLC++ GenCVFiles （2/3，1/3 random）.
48842 instances，mix of continuous and discrete （train=32561，test=16281）
45222 if instances with unknown values are removed （train=30162，test=15060）
Class probabilities for adult.all file
Probability for the label '>50K' ：23.93% / 24.78% （without unknowns）
Probability for the label '<=50K' ：76.07% / 75.22% （without unknowns）
特征属性（共 15 个）：
age：continuous.
workclass：Private，Self-emp-not-inc，Self-emp-inc，Federal-gov，Local-gov，State-gov，Without-pay，Never-worked.
fnlwgt：continuous.
education：Bachelors，Some-college，11th，HS-grad，Prof-school，Assoc-acdm，Assoc-voc，9th，7th-8th，12th，Masters，1st-4th，10th，Doctorate，5th-6th，Preschool.
education-num：continuous.
marital-status：Married-civ-spouse，Divorced，Never-married，Separated，Widowed，
Married-spouse-absent，Married-AF-spouse.
occupation：Tech-support，Craft-repair，Other-service，Sales，Exec-managerial，Prof-specialty，Handlers-cleaners， Machine-op-inspct， Adm-clerical， Farming-fishing， Transport-moving，Priv-house-serv，Protective-serv，Armed-Forces.
relationship：Wife，Own-child，Husband，Not-in-family，Other-relative，Unmarried.
race：White，Asian-Pac-Islander，Amer-Indian-Eskimo，Other，Black.
sex：Female，Male.
capital-gain：continuous.
capital-loss：continuous.
hours-per-week：continuous.
native-country：United-States，Cambodia，England，Puerto-Rico，Canada，Germany，Outlying-US（Guam-USVI-etc），India，Japan，Greece，South，China，Cuba，Iran，Honduras，Philippines ， Italy ， Poland ， Jamaica ， Vietnam ， Mexico ， Portugal ， Ireland ， France ，Dominican-Republic，Laos，Ecuador，Taiwan，Haiti，Columbia，Hungary，Guatemala，Nicaragua，Scotland，Thailand，Yugoslavia，El-Salvador，Trinadad&Tobago，Peru，Hong，Holand-Netherlands.
Orange 平台上机操作关键步骤如图 2-8-14所示。
① 设置四个核函数的学习器；
② 训练集及测试集部署合理；
③ 调整惩罚项及参数设置，调优学习器；
④ 数据集在线端配属正确，不报错；
⑤ 调用可视化模块，对支持向量进行展示。
图 2-8-14 SVM 在 Orange 平台流程
以上所有资源下载。
。