有人有在Julia（1.4.1）中训练支持向量机（SVM）的经验吗？

我尝试使用LIBSVM接口，但GitHub页面上的示例出现了错误：

# 加载Fisher经典的鸢尾花数据集iris = dataset("datasets", "iris")# LIBSVM自动处理多类数据，使用一对一策略labels = convert(Vector, iris[:Species])# 输入数据的第一维是特征；第二维是实例instances = convert(Array, iris[:, 1:4])'# 使用默认参数在数据的一半上训练SVM。查看svmtrain的文档以了解选项model = svmtrain(instances[:, 1:2:end], labels[1:2:end]);```ERROR: MethodError: no method matching LIBSVM.SupportVectors(::Int32, ::Array{Int32,1}, ::CategoricalArray{String,1,UInt8,String,CategoricalValue{String,UInt8},Union{}}, ::Array{Float64,2}, ::Array{Int32,1}, ::Array{LIBSVM.SVMNode,1})Closest candidates are:LIBSVM.SupportVectors(::Int32, ::Array{Int32,1}, ::Array{T,1}, ::AbstractArray{U,2}, ::Array{Int32,1}, ::Array{LIBSVM.SVMNode,1}) where {T, U} at /home/benny/.julia/packages/LIBSVM/5Z99T/src/LIBSVM.jl:18LIBSVM.SupportVectors(::LIBSVM.SVMModel, ::Any, ::Any) at /home/benny/.julia/packages/LIBSVM/5Z99T/src/LIBSVM.jl:27 

回答：

看起来LIBSVM.jl的文档相当过时，且包未得到适当更新，因此值得提出一个问题（或者至少提交一个拉取请求来更新README）。

您看到的错误与包本身无关，而是因为在当前版本的DataFrames.jl和RDatasets.jl中，labels列不再是Vector（在LIBSVM.jl开发时是这样的），而是CategoricalArray。您可以通过将CategoricalArray转换为常规的Vector{String}来避免这个问题。完整的示例如下所示：

using RDatasets, LIBSVMusing StatsBase, Printf # `mean`和`printf`不再在Base中，应明确使用# 加载Fisher经典的鸢尾花数据集iris = dataset("datasets", "iris")# LIBSVM自动处理多类数据，使用一对一策略labels = string.(convert(Vector, iris[:Species]))# 输入数据的第一维是特征；第二维是实例instances = convert(Array, iris[:, 1:4])'# 使用默认参数在数据的一半上训练SVM。查看svmtrain的文档以了解选项model = svmtrain(instances[:, 1:2:end], labels[1:2:end]);# 在数据的另一半上测试模型(predicted_labels, decision_values) = svmpredict(model, instances[:, 2:2:end]);# 计算准确率@printf "Accuracy: %.2f%%\n" mean((predicted_labels .== labels[2:2:end]))*100

或者，您可以使用MLJ.jl或ScikitLearn.jl，它们应该能正确包装LIBSVM.jl。