SVM light adalah implementasi

dari

Support

Vector

Machines

(SVM)

di

C.

Pengimplementasiannya untuk masalah pengenalan pola, regresi, dan pembelajaran fungsi

ranking. Algoritma optimasi yang digunakan dalam SVM light dapat menangani masalah dengan
ribuan support vector secara efisien. SVM Light merupakan salah satu paket SVM klasifikasi
dan regresi yang paling banyak digunakan. Memiliki algoritma optimasi yang cepat, dapat
diterapkan untuk dataset yang sangat besar, dan memiliki implementasi yang sangat efisien dari
leave-one-out cross-validasi. Program ini disebarkan dalam bentuk source-code dan bebas
digunakan untuk kepentingan akademis.

Fitur-fitur yang terdapat dalam software ini cukup banyak, berikut beberapa fitur utama nya :
1. Algoritma fast optimization

2. Memecahkan klasifikasi dan masalah-masalah regresi

3. Memecahkan rangking problems
4. Menghitung estimasi XiAlpha dari tingkat kesalahan, presisi, dan recall
5. Menghitung efisien estimasi Leave-One-Out dari tingkat kesalahan, presisi, dan recall
6. Algoritma untuk meng-aproksimasi training large transduktif SVMs ( TSVMs )
7. Dapat melatih SVMs dengan cost model dan example dependent cost
8. Memungkinkan restart dari vektor yang ditentukan oleh variabel-variabel ganda
9. Menangani ribuan vektor pendukung
10. Menangani beberapa ratus-ribuan dari training example
11. Mendukung fungsi kernel standar dan memungkinkan pengguna menentukannya sendiri
12. Menggunakan representasi vektor jarang (sparse vector)

Perangkat lunak ini juga menyediakan metode untuk menilai kinerja generalisasi secara efisien,
yang mencangkup dua metode estimasi yang efisien yaitu tingkat kesalahan dan presisi / recall.
Estimasi XiAlpha dapat dihitung tanpa biaya komputasi, tetapi secara konservatif bias.
SVM light memanfaatkan hasil dari leave one-out yang telah ditentukan dan tidak perlu
dihitung.

Dalam versi 6.02 ada algoritma untuk mempelajari fungsi rangking. Tujuannya adalah untuk

mempelajari fungsi dari contoh preferensi, sehingga dapat mengurutkan data dengan benar.
Masalah rangking tersebut terjadi dalam aplikasi seperti mesin pencari dan sistem recommender.

Versi ini mencakup algoritma untuk pembelajaran transductive SVMs berskala besar. Algoritma
diperoleh dengan memecahkan urutan masalah optimasi lower-bounding the solution
menggunakan bentuk pencarian lokal.

SVM light juga dapat melatih SVMs dengan cost models.

Kode telah digunakan pada berbagai macam masalah, termasuk klasifikasi teks, tugas
pengenalan gambar, bioinformatika dan aplikasi medis. Banyak pekerjaan yang memiliki sifat
sparse instance vector. Implementasi ini memanfaatkan properti yang mengarah pada
representasi yang sangat ringkas dan efisien.
Langkah-langkah untuk menginstal SVM light pada linux adalah seperti berikut:
1. Buka terminal
2. Download svm_light.tar.gz
3. Buat direktori baru:

mkdir svm_light
4. Pindahkan svm_light.tar.gz ke direktori yang tadi lalu ekstrak dengan cara:

gunzip - c svm_light.tar.gz | tar xvf

5. Kemudian jalankan:

make or make all

SVM light terdiri dari modul pembelajaran (svm_learn) dan modul klasifikasi (svm_classify).
Modul

klasifikasi

untuk

melatih

acuan

data

yang

diberikan

menjadi

model.

sedangkan modul klasifikasi untuk proses klasifikasi dan menghasilkan prediksi.

Dalam SVM Light nilai target dan masing-masing pasangan fitur / nilai dipisahkan oleh karakter
spasi. Pasangan fitur/nilai harus diurutkan meningkat/naik. Fitur-fitur dengan nilai nol dapat

dihilangkan. String <info> dapat digunakan untuk menyampaikan informasi tambahan untuk
kernel.

Dalam mode klasifikasi, nilai target melambangkan kelas dari example.

+1 menunjukkan

sebagai nilai target positive example, -1 sebagai negative example. Dalam mode regresi, <target>
memuat nilai target yang bernilai real. Dalam mode rangking, nilai target digunakan untuk men-

generated kendala preferensi yang berpasangan. Pada semua mode, hasil svm_learn adalah
model yang dipelajari dari data pelatihan.