1） 從LIBSVM的官網http://www.csie.ntu.edu.tw/~cjlin/libsvm/上下載最新版本的LIBSVM，當前版本為libsvm-3.18.zip

2） 解壓壓縮包到電腦上一位置，如：C:\Program Files\libsvm-3.18

3） 假設你使用的是64位的操作系統和matlab。此時將libsvm-3.18文件夾下的windows目錄添加到matlab目錄中。即在matlab目錄中添加：C:\ProgramFiles\libsvm-3.18\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

4） 假設你使用的是32位操作系統和matlab，則需要自己編譯相應的二進制文件。

在matlab命令窗口輸入

????????>>mex –setup

這時matlab會提示你選擇編譯mex文件的c/c++編譯器（先輸入n，再選擇對應的編譯器）。

????????選擇一個你電腦上安裝的c/c++編譯器，例如Microsoft Visual C++ 2010

將matlab當前目錄設置為：cd ‘C:\Program Files\libsvm-3.18\matlab’

????????輸入命令make

這時你會看到當前目錄生成了二進制文件（4個）： ? ? ??

????????libsvmread.mexw32

????????libsvmwrite.mexw32

????????svmpredict.mexw32

????????svmtrain.mexw32

將當前目錄添加到matlab路徑中即可。

5） 例子一個測試

????????注意到libsvm-3.18下有一個數據文件，名稱為heart_scale。這是一個libsvm格式的數據文件。可使用libsvmread函數將其轉化為matlab格式。

可使用以下命令測試：

????????[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

如果出現一行：Accuracy = 86.6667% (234/270) (classification)。就說明成功了。就可以在matlab中使用svm了。

6） svmtrain函數相關參數說明

????????svmtrain函數返回的model可以用來對測試數據集進行預測。這是一個結構體變量，主要包括了以下幾個域。[Parameters, nr_class, totalSV, rho, Label, ProbA, ProbB, nSV,sv_coef, SVs]。英文說明如下：

? ? ? ?-Parameters: parameters

???????-nr_class: number of classes; = 2 for regression/one-class svm

???????-totalSV: total #SV

???????-rho: -b of the decision function(s) wx+b

???????-Label: label of each class; empty for regression/one-class SVM

???????-ProbA: pairwise probability information; empty if -b 0 or in one-classSVM

???????-ProbB: pairwise probability information; empty if -b 0 or in one-classSVM

???????-nSV: number of SVs for each class; empty for regression/one-class SVM

???????-sv_coef: coefficients for SVs in decision functions

???????-SVs: support vectors

????????如果沒有指定’-b 1’選項則ProbA和ProbB為空矩陣。此外，當指定’-v’選項時，返回的model是一個數值，是cross-validation的準確率。

????????其中model.paramter是一個5X1的向量，model.Parameters參數意義從上到下依次為：

????????-s svm類型：SVM設置類型(默認0)

????????-t 核函數類型：核函數設置類型(默認2)

????????-d degree：核函數中的degree設置(針對多項式核函數)(默認3)

????????-g r(gama)：核函數中的gamma函數設置(針對多項式/rbf/sigmoid核函數) (默認類別數目的倒數)

????????-r coef0：核函數中的coef0設置(針對多項式/sigmoid核函數)((默認0)

7）svmpredict函數參數說明

????????svmpredict函數返回三個值：

predict_label，是訓練集預測得到的label向量。

accuracy，是一個3維的向量，從上到下分別是：分類準率（分類問題中用到的參數指標）；平均平方誤差（MSE (mean squared error)） （回歸問題中用到的參數指標）；平方相關系數（r2 (squared correlation coefficient)）（回歸問題中用到的參數指標）。

輸出是個矩陣，包含著決策值或者是概率估計（當’-b 1’被指定時）。當訓練數據有k類時，決策值矩陣是一個n行k*(k-1)/2列的矩陣（n為測試數據集個數，k為類別數），而每一行的輸出是k*(k-1)/2個二分類器的結果。當’-b 1’被指定時，概率估計矩陣是一個n行k類的矩陣（n為測試數據集個數，k為類別數），每一行的輸出是該測試數據屬于每個類的概率。

轉載于:https://www.cnblogs.com/lvchaoshun/p/5906889.html

總結

以上是生活随笔為你收集整理的libSVM在matlab下的使用安装的全部內容，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。