環境搭建

• 平臺：

  • Windows PC
  • MATLAB 軟件
  • libsvm庫（SVM工具箱）

• 安裝步驟

• 準備工作

  • 安裝對應的編譯器，在網站上查看當前matlab版本支持的編譯器版本。本文使用的matlab 2015a版本（支持編譯器詳情）。
  • 通過查詢，發現Microsoft Windows SDK7.1支持matlab 2015a，所以下面安裝這個編譯器。
  • 根據安裝說明，在安裝這個Windows SDK7.1之前，1）首先需要安裝最新的Windows service Pack，用于更新（ps：猜測每個電腦都默認安裝，所以在安裝過程中直接忽視了這條要求）。2）安裝Microsoft .NET Framework 4,用于支持安裝Microsoft Windows SDK7.1。

• 安裝libsvm

  • 在libsvm官網上查找相應的libsvm庫，選擇MATLAB and OCTAVE語言，下載最新版的libsvm-3.22.zip
  • 下載后把工具包放在MATLAB安裝目錄下的toolbox文件夾中，例如， D:\Learn program\matlab2015a\toolbox\libsvm-3.22。
  • 假設你使用的是64位的操作系統和matlab。打開matlab，在matlab目錄中添加（set path）：D:\Learn program\matlab2015a\toolbox\libsvm-3.22\windows。因為windows下包含了matlab可執行的二進制文件libsvmread.mexw64/libsvmwrite.mexw64/svmpredict.mexw64/svmtrain.mexw64
  • 在matlab中，進入到D:\Learn program\matlab2015a\toolbox\libsvm-3.22\matlab目錄下。運行mex –setup，此時按照LIBSVM在matlab下的使用安裝文中提到的步驟繼續操作。

  • 但是由于接口的問題，又出現警告：

    MEX 配置為使用 ‘Microsoft Visual C++ 2012 (C)’ 以進行 C 語言編譯。

    警告: MATLAB C 和 Fortran API 已更改，現可支持

    包含 2^32-1 個以上元素的 MATLAB 變量。不久以后，您需要更新代碼以利用新的 API。您可以在以下網址找到相關詳細信息:http://www.mathworks.com/help/ma ... use-64-bit-api.html。

  • 根據 關于libsvm工具箱在64位matlab下的安裝說明文中提到的方法，進行下面關鍵兩步：

    • 切換matlab運行目錄至：D:\Learn program\matlab2015a\toolbox\libsvm-3.22\matlab，在命令行輸入make，也就是該目錄下的那個make文件。這時候就像以前安裝libsvm一樣，會自動make出來很多文件，不用管，主要是會看到make出帶有mexm64后綴名的文件，這就成功了。
    • 拷貝第一步中matlab文件夾下所有make出來的文件（.mex64），到libsvm-3.22\windows文件夾下，全部替換。這樣就可以了。

• 測試（此處將libsvm-3.22中文heart_scale拷貝到libsvm-3.22\matlab目錄下，運行下面的語句）

  1 2 3

  [heart_scale_label,heart_scale_inst]=libsvmread('heart_scale'); model = svmtrain(heart_scale_label,heart_scale_inst, '-c 1 -g 0.07'); [predict_label, accuracy, dec_values] =svmpredict(heart_scale_label, heart_scale_inst, model); % test the trainingdata

• 測試結果，出現如下結果表明安裝成功

  1 2 3 4 5 6

  optimization finished, #iter = 134 nu = 0.433785 obj = -101.855060, rho = 0.426412 nSV = 130, nBSV = 107 Total nSV = 130 Accuracy = 86.6667% (234/270) (classification)

SVM參數優化

MATLAB中三種得到最佳g和c參數的方法：

遺傳算法（GA）選擇最佳的SVM參數c&g

• 在運行案例時，報錯：Undefined function or variable 'rep'.，未找到rep函數，此時，需要安裝GA的工具箱，下載英國謝菲爾德大學開發的遺傳算法工具箱gatbx，可從此處下載

由于其中的函數擴展名是M，而不是m，需要將其全部改為小寫的m，再把文件夾復制到toolbox中，加載至matlab，即可。

• 函數接口介紹

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

  （1）利用GA參數尋優函數(分類問題):gaSVMcgForClass [bestCVaccuracy,bestc,bestg,ga_option]= gaSVMcgForClass(train_label,train,ga_option) 輸入： train_label:訓練集的標簽，格式要求與svmtrain相同。 train:訓練集，格式要求與svmtrain相同。 ga_option:GA中的一些參數設置，可不輸入，有默認值，詳細請看代碼的幫助說明。 輸出： bestCVaccuracy:最終CV意義下的最佳分類準確率。 bestc:最佳的參數c。 bestg:最佳的參數g。 ga_option:記錄GA中的一些參數。 \========================================================== （2）利用GA參數尋優函數(回歸問題):gaSVMcgForRegress [bestCVmse,bestc,bestg,ga_option]= gaSVMcgForRegress(train_label,train,ga_option) 其輸入輸出與gaSVMcgForClass類似，這里不再贅述。

• 使用案例，加入gaSVMcgForClass.m函數

  1 2 3 4 5 6 7 8 9 10 11 12

  % GA的參數選項初始化 ga_option.maxgen = 200; ga_option.sizepop = 20; ga_option.cbound = [0,100]; ga_option.gbound = [0,100]; ga_option.v = 5; ga_option.ggap = 0.9; % 得到最佳參數 [bestacc,bestc,bestg] = gaSVMcgForClass(train_wine_labels,train_wine,ga_option); % 利用最佳的參數進行SVM網絡訓練 cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg)]; model = svmtrain(train_wine_labels,train_wine,cmd);

PSO選擇最佳的SVM參數c&g

• 使用案例，加入psoSVMcgForClass.m函數

  1 2 3 4 5

  % 得到最佳參數 [bestacc,bestc,bestg] = psoSVMcgForClass(train_wine_labels,train_wine); % 利用最佳的參數進行SVM網絡訓練 cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg)]; model = svmtrain(train_wine_labels,train_wine,cmd);

貪婪算法（Grid）選擇最佳的SVM參數c&g

• 使用案例，加入gridSVMcgForClass.m函數

  1 2 3 4 5 6 7

  % 首先進行粗略選擇: c&g 的變化范圍是 2^(-10),2^(-9),...,2^(10) [bestacc,bestc,bestg] = gridSVMcgForClass(train_wine_labels,train_wine,-10,10,-10,10); % 根據粗略選擇的結果圖再進行精細選擇: c 的變化范圍是 2^(-2),2^(-1.5),...,2^(4), g 的變化范圍是 2^(-4),2^(-3.5),...,2^(4), [bestacc,bestc,bestg] = SVMcgForClass(train_wine_labels,train_wine,-2,4,-4,4,3,0.5,0.5,0.9); %% 利用最佳的參數進行SVM網絡訓練 cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg)]; model = svmtrain(train_wine_labels,train_wine,cmd);

參考：

LIBSVM在matlab下的使用安裝

關于libsvm工具箱在64位matlab下的安裝說明

總結

以上是生活随笔為你收集整理的SVM学习——在matlab上安装libsvm库（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。