1） 從LIBSVM的官網(wǎng)http://www.csie.ntu.edu.tw/~cjlin/libsvm/上下載最新版本的LIBSVM，當(dāng)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(shè)你使用的是64位的操作系統(tǒng)和matlab。此時(shí)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?yàn)閣indows下包含了matlab可執(zhí)行的二進(jìn)制文件libsvmread.mexw64/libsvmwrite.mexw64/svmpredict.mexw64/svmtrain.mexw64

4） 假設(shè)你使用的是32位操作系統(tǒng)和matlab，則需要自己編譯相應(yīng)的二進(jìn)制文件。

在matlab命令窗口輸入

????????>>mex –setup

這時(shí)matlab會(huì)提示你選擇編譯mex文件的c/c++編譯器（先輸入n，再選擇對(duì)應(yīng)的編譯器）。

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

將matlab當(dāng)前目錄設(shè)置為：cd ‘C:\Program Files\libsvm-3.18\matlab’

????????輸入命令make

這時(shí)你會(huì)看到當(dāng)前目錄生成了二進(jìn)制文件（4個(gè)）： ? ? ??

????????libsvmread.mexw32

????????libsvmwrite.mexw32

????????svmpredict.mexw32

????????svmtrain.mexw32

將當(dāng)前目錄添加到matlab路徑中即可。

5） 例子一個(gè)測(cè)試

????????注意到libsvm-3.18下有一個(gè)數(shù)據(jù)文件，名稱為heart_scale。這是一個(gè)libsvm格式的數(shù)據(jù)文件?？墒褂胠ibsvmread函數(shù)將其轉(zhuǎn)化為matlab格式。

可使用以下命令測(cè)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(xiàn)一行：Accuracy = 86.6667% (234/270) (classification)。就說(shuō)明成功了。就可以在matlab中使用svm了。

6） svmtrain函數(shù)相關(guān)參數(shù)說(shuō)明

????????svmtrain函數(shù)返回的model可以用來(lái)對(duì)測(cè)試數(shù)據(jù)集進(jìn)行預(yù)測(cè)。這是一個(gè)結(jié)構(gòu)體變量，主要包括了以下幾個(gè)域。[Parameters, nr_class, totalSV, rho, Label, ProbA, ProbB, nSV,sv_coef, SVs]。英文說(shuō)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(méi)有指定’-b 1’選項(xiàng)則ProbA和ProbB為空矩陣。此外，當(dāng)指定’-v’選項(xiàng)時(shí)，返回的model是一個(gè)數(shù)值，是cross-validation的準(zhǔn)確率。

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

????????-s svm類型：SVM設(shè)置類型(默認(rèn)0)

????????-t 核函數(shù)類型：核函數(shù)設(shè)置類型(默認(rèn)2)

????????-d degree：核函數(shù)中的degree設(shè)置(針對(duì)多項(xiàng)式核函數(shù))(默認(rèn)3)

????????-g r(gama)：核函數(shù)中的gamma函數(shù)設(shè)置(針對(duì)多項(xiàng)式/rbf/sigmoid核函數(shù)) (默認(rèn)類別數(shù)目的倒數(shù))

????????-r coef0：核函數(shù)中的coef0設(shè)置(針對(duì)多項(xiàng)式/sigmoid核函數(shù))((默認(rèn)0)

7）svmpredict函數(shù)參數(shù)說(shuō)明

????????svmpredict函數(shù)返回三個(gè)值：

predict_label，是訓(xùn)練集預(yù)測(cè)得到的label向量。

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

輸出是個(gè)矩陣，包含著決策值或者是概率估計(jì)（當(dāng)’-b 1’被指定時(shí)）。當(dāng)訓(xùn)練數(shù)據(jù)有k類時(shí)，決策值矩陣是一個(gè)n行k*(k-1)/2列的矩陣（n為測(cè)試數(shù)據(jù)集個(gè)數(shù)，k為類別數(shù)），而每一行的輸出是k*(k-1)/2個(gè)二分類器的結(jié)果。當(dāng)’-b 1’被指定時(shí)，概率估計(jì)矩陣是一個(gè)n行k類的矩陣（n為測(cè)試數(shù)據(jù)集個(gè)數(shù)，k為類別數(shù)），每一行的輸出是該測(cè)試數(shù)據(jù)屬于每個(gè)類的概率。

轉(zhuǎn)載于:https://www.cnblogs.com/lvchaoshun/p/5906889.html

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。