.net编程

开发平台：

Java

svm_predict.java：源码内容

							import libsvm.*;
import java.io.*;
import java.util.*;
class svm_predict {
	private static double atof(String s)
	{
		return Double.valueOf(s).doubleValue();
	}
	private static int atoi(String s)
	{
		return Integer.parseInt(s);
	}
	private static void predict(BufferedReader input, DataOutputStream output, svm_model model) throws IOException
	{
		int correct = 0;
		int total = 0;
		double error = 0;
		double sumv = 0, sumy = 0, sumvv = 0, sumyy = 0, sumvy = 0;
		while(true)
		{
			String line = input.readLine();
			if(line == null) break;
			StringTokenizer st = new StringTokenizer(line," tnrf:");
			double target = atof(st.nextToken());
			int m = st.countTokens()/2;
			svm_node[] x = new svm_node[m];
			for(int j=0;j<m;j++)
			{
				x[j] = new svm_node();
				x[j].index = atoi(st.nextToken());
				x[j].value = atof(st.nextToken());
			}
			double v = svm.svm_predict(model,x);
			if(v == target)
				++correct;
			error += (v-target)*(v-target);
			sumv += v;
			sumy += target;
			sumvv += v*v;
			sumyy += target*target;
			sumvy += v*target;
			++total;
			output.writeBytes(v+"n");
		}
		System.out.print("Accuracy = "+(double)correct/total*100+
				 "% ("+correct+"/"+total+") (classification)n");
		System.out.print("Mean squared error = "+error/total+" (regression)n");
		System.out.print("Squared correlation coefficient = "+
			((total*sumvy-sumv*sumy)*(total*sumvy-sumv*sumy))/
			((total*sumvv-sumv*sumv)*(total*sumyy-sumy*sumy))+" (regression)n"
			);
	}
	public static void main(String argv[]) throws IOException
	{
		if(argv.length != 3)
		{
			System.err.print("usage: svm-predict test_file model_file output_filen");
			System.exit(1);
		}
		BufferedReader input = new BufferedReader(new FileReader(argv[0]));
		DataOutputStream output = new DataOutputStream(new FileOutputStream(argv[2]));
		svm_model model = svm.svm_load_model(argv[1]);
		predict(input,output,model);
	}
}

						