这可能是一个奇怪的请求，所以先解释一下。我最近突然硬盘崩溃，丢失了一个用于生成libSVM模型文件的数据文件。我确实有从这个数据文件生成的SVM模型和缩放文件，我想知道是否有办法从模型文件中的支持向量生成一个数据文件，类似于model_sv_to_instances(model, &instances)，因为获取实例的过程非常昂贵。（我知道它不会和原来的完全一样，但总比没有好）我使用的是带有RBF核的概率SVM。

回答：

如果你在任何文本编辑器中打开一个给定的模型文件，你会发现类似这样的内容：

 svm_type c_svc kernel_type sigmoid gamma 0.5 coef0 0 nr_class 2 total_sv 4 rho 0 label 0 1 nr_sv 2 2 SV 1 1:0 2:0 1 1:1 2:1 -1 1:1 2:0 -1 1:0 2:1

对你来说，有趣的部分是在以SV开头的行之后。

 1 1:0 2:0 1 1:1 2:1-1 1:1 2:0-1 1:0 2:1

这些是被选为支持向量的数据点，所以你只需要解析文件。格式如下：[label] [index1]:[value1] [index2]:[value2] … [indexn][valuen]

例如，从我的例子中你可以得出我的训练集是：

x y desired val 0 0     -10 1      11 0      11 1     -1

一些考虑和警告。支持向量与数据点之间的比例取决于你使用的参数。在某些情况下，比例很大，你的支持向量与数据相比会非常少。

另一件需要记住的事情是，这种减少可能会改变问题，如果你仅用支持向量作为数据点重新训练，你可能会得到一个完全不同的模型和一组完全不同的参数。

祝你好运！