SVM学习笔记(1)：Win下LibSVM在Matlab中的安装及使用

1 LibSVM工具包简介

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授于2001年开发设计，可在 http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 或 https://github.com/cjlin1/libsvm/releases 免费获得。
下载后解压，主要有6个文件夹和一些源码文件：

• Java: 主要是应用于java平台;
• matlab: windows下64位matlab平台;
• python: 是用来参数优选的工具, 稍后介绍;
• svm-toy: 一个可视化的工具, 用来展示训练数据和分类界面, 里面是源码, 其编译后的程序在windows文件夹下;
• tools: 主要包含四个python文件, 用来数据集抽样(subset), 参数优选（grid）, 集成测试(easy), 数据检查(checkdata);
• windows: 包含libSVM四个exe程序包, 我们所用的库就是他们.

2 Win下LIBSVM在Matlab2016b中的安装使用

1. 将下载的LIBSVM压缩包libsvm-3.23.zip（2018年8月时最新版本）解压，把解压出的文件夹libsvm-3.23复制到Matlab的安装路径下...\MATLAB\R2016b\toolbox
2. 把...\MATLAB\R2016b\toolbox\libsvm-3.23添加到Matlab的搜索路径（添加并包含子文件夹）

注：
因为使用的是64位的操作系统和matlab，而...\MATLAB\R2016b\toolbox\libsvm-3.23\windows下包含了matlab可执行的64位二进制文件libsvmread.mexw64/libsvmwrite.mexw64/svmpredict.mexw64/svmtrain.mexw64，故无需自己编译。
假设你使用的是32位操作系统和matlab，则需要自己编译相应的二进制文件：在matlab命令窗口输入mex –setup，这时matlab会提示你选择编译mex文件的c/c++编译器。选择一个你电脑上安装的c/c++编译器，例如Microsoft Visual C++ 2010，将matlab当前目录设置为：‘…\MATLAB\R2016b\toolbox\libsvm-3.23\matlab’，输入命令make，这时你会看到当前目录生成了二进制文件libsvmread.mexw32/libsvmwrite.mexw32/svmpredict.mexw32/svmtrain.mexw32。将当前目录添加到matlab路径中即可。

3. 把当前目录设置为...\MATLAB\R2016b\toolbox\libsvm-3.23，输入如下测试代码：

[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 traindata

得到如下结果，说明安装成功：

*
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)

参考：SVM学习笔记（1）LIBSVM在matlab下的使用安装

3 LIBSVM相关函数说明

3.1 libsvmread主要用于读取数据

这里的数据是非matlab下的.mat数据，比如说是.txt，.data等等，这个时候需要使用libsvmread函数进行转化为matlab可识别数据，比如自带的数据是heart_scale数据，那么导入到matlab有两种方式，
一种使用libsvmread函数，在matlab下直接libsvmread(heart_scale);
第二种方式为点击matlab的‘导入数据’按钮，然后导向heart_scale所在位置，直接选择就可以了。因为有的数据libsvmread读取不管用，但是‘导入数据’后就可以变成matlab下数据。

3.2 libsvmwrite写函数，就是把已知数据存起来

使用方式为：libsvmwrite(‘filename’,label_vector, instance_matrix);
label_vector是标签，instance_matrix为数据矩阵（注意这个数据