我正在将一个使用支持向量机（SVM）的算法从Python（使用scikit-learn）移植到C++（使用OpenCV的机器学习库）。
我可以在Python中访问训练好的SVM，并且可以将SVM模型参数从XML文件导入到OpenCV中。由于scikit-learn和OpenCV的SVM实现都是基于LibSVM的，我认为应该可以将训练好的scikit SVM的参数用于OpenCV中。
下面的示例展示了一个可以用来在OpenCV中初始化SVM的XML文件：
<?xml version="1.0"?><opencv_storage><my_svm type_id="opencv-ml-svm"> <svm_type>C_SVC</svm_type> <kernel><type>RBF</type> <gamma>0.058823529411764705</gamma></kernel> <C>100</C> <term_criteria><epsilon>0.0</epsilon> <iterations>1000</iterations></term_criteria> <var_all>17</var_all> <var_count>17</var_count> <class_count>2</class_count> <class_labels type_id="opencv-matrix"> <rows>1</rows> <cols>2</cols> <dt>i</dt> <data> 0 1</data></class_labels> <sv_total>20</sv_total> <support_vectors> <_> 2.562423055146794554e-02 1.195797425735170838e-01 8.541410183822648050e-02 9.395551202204914520e-02 1.622867934926303379e-01 3.074907666176152077e-01 4.099876888234874062e-01 4.697775601102455179e-01 3.074907666176152077e-01 3.416564073529061440e-01 5.124846110293592716e-01 5.039432008455355660e-01 5.466502517646497639e-01 1.494746782168964394e+00 4.168208169705446942e+00 7.214937388193202183e-01 7.400275229357797802e-01</_> <!-- omit 19 vectors to keep it short --> </support_vectors> <decision_functions> <_> <sv_count>20</sv_count> <rho>-5.137523249549433402e+00</rho> <alpha> 2.668992955678978518e+01 7.079767098112181145e+01 3.554240018130368384e+01 4.787014908624512088e+01 1.308470223155845069e+01 5.499185410034550614e+01 4.160483074010306126e+01 2.885504210853826379e+01 7.816431542954153144e+01 6.882061506693679576e+01 1.069534676985309574e+01 -1.000000000000000000e+02 -5.088050252552544350e+01 -1.101740897543916375e+01 -7.519686789702373630e+01 -3.893481464245511603e+01 -9.497774056452135483e+01 -4.688632332663718927e+00 -1.972745089701982835e+01 -8.169343841768861125e+01</alpha> <index> 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 </index></_></decision_functions></my_svm></opencv_storage>现在我想用训练好的scikit-learn SVM的值填充这个XML文件。但我不确定scikit-learn和OpenCV的参数是如何对应的。以下是我目前的理解（clf是Python中的分类器对象）：
<kernel><gamma>对应于clf.gamma<C>对应于clf.C<term_criteria><epsilon>对应于clf.tol<support_vectors>对应于clf.support_vectors_
到目前为止这些是正确的吗？现在这里是我不太确定的项目：
<term_criteria><iterations>该如何处理？<decision_functions><_><rho>是否对应于clf.intercept_？<decision_functions><_><alpha>是否对应于clf.dual_coef_？我在这里不太确定，因为scikit-learn的文档说“dual_coef_保存的是yiαi的乘积”。看起来OpenCV只期望αi，而不是yiαi。
回答：
你不再需要epsilon和iterations，这些是在训练优化问题中使用的。你可以将它们设置为你喜欢的数字或忽略它们。
移植支持向量可能需要一些调整，因为scikit-learn和OpenCV之间的索引可能不同。例如，你的XML示例中没有稀疏格式。
关于其他参数：
rho应该对应于intercept_，但你可能需要改变符号。- scikit的
dual_coef_对应于标准libsvm模型中的sv_coef（即alpha_i*y_i）。
如果opencv在移植时对你提供的alpha值提出异议，请使用scikit-learn的dual_coef_的绝对值（例如全部为正数）。这些是SVM模型的真实alpha值。
