如何在scikit上使用libsvm学习？

Question

我想使用libsvm作为预测的分类器。我使用了以下代码：

import numpy as np
import sklearn
from sklearn.svm import libsvm

X = np.array([[0,1.22,45,2.111,9.344,0], [0,1.5,25,5,1,0]])
y = np.array([0.0,1.0])

clf=sklearn.svm.libsvm

clf.fit(X,y)

print(clf.predict([1,1.12,42,4.223,2.33,0]))

我收到以下错误：  文件“sklearn / svm / libsvm.pyx”，第270行，在sklearn.svm.libsvm.predict中（sklearn / svm / libsvm.c：3917） TypeError：predict（）至少需要6个位置参数（给定1个）

这是正确的方法吗？我该如何解决错误？

Answer 1

基本上使用sklearn.svm.SVC，因为如sklearn的文档中所述，SVC基于libsvm：

class SVC(BaseSVC):
   C-Support Vector Classification.

  

该实现基于libsvm。拟合时间复杂度       样本数量超过了二次方，这使得它很难       可以扩展到具有超过10000个样本的数据集。