SVMlight文件格式是一种基于文本的格式，每行代表一个样本。由于它不存储值为零的特征，因此非常适合稀疏数据集。每行的第一个元素可以用来存储要预测的目标变量。
以下是使用SVMlight文件格式导出工具时需要指定的参数：
X {array-like, sparse matrix} of shape (n_samples, n_features)
训练向量，其中n_samples是样本数量，n_features是特征数量。
y {array-like, sparse matrix}, shape = (n_samples,) or (n_samples, n_labels)
目标值。类别标签必须是整数或浮点数，或者是整数或浮点数的数组对象，用于多标签分类。
f str or file-like in binary mode
如果f是字符串，则指定包含数据的路径。如果f是文件类，则数据将被写入f。f应该以二进制模式打开。
zero_based bool, default=True
是否将列索引写为零基（True）或一基（False）。
comment str or bytes, default=None
要在文件顶部插入的注释。这应该是一个Unicode字符串，将被编码为UTF-8，或者是一个ASCII字节字符串。如果提供了注释，那么它将被一个注释前缀，该前缀标识文件是由scikit-learn导出的。需要注意的是，并非所有工具都能理解SVMlight文件中的注释。
query_id array-like of shape (n_samples,), default=None
包含成对偏好约束的数组（qid在svmlight格式中）。
multilabel bool, default=False
样本可以每个都有多个标签（详见）。
在版本0.17中添加了multilabel参数，以支持多标签数据集。
from sklearn.datasets import dump_svmlight_file, make_classification
X, y = make_classification(random_state=0)
output_file = "my_dataset.svmlight"
dump_svmlight_file(X, y, output_file)
这段代码首先从sklearn.datasets导入了dump_svmlight_file和make_classification函数，然后生成了一个随机分类数据集，并将其导出为名为"my_dataset.svmlight"的SVMlight文件。