Matlab-libsvm安装及用法解释_livsvm-优快云博客

本文介绍了如何在Matlab环境下安装libsvm库，并详细解释了svmtrain和svmpredict函数的使用方法，包括参数含义和操作步骤。同时，文章提到了svm的数据预处理，如分类属性转数值、数据缩放以及RBF核函数的应用和参数调整，强调了交叉验证和网格搜索在选择超参数中的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

具体的安装及使用请参考这篇https://blog.youkuaiyun.com/qq_31781741/article/details/82666861

我在这里简要地解释下libsvm包内自带地README文件中解释地livsvm的用法。
在matlab下：
[label_vector,instance_martix] = libsvmread(‘data.txt’)
返回两个输出，一是标签，一是实例矩阵，这两个可以作为训练和预测的输入
model = svmtrain(training_label_vector,training_instance_martix [,‘libsvm_options’]);
-training_label_vector:必须是一个mx1的double型向量
-training_instance_martix:一个mxn的double型向量，其中m是训练的实例数，n是特征数。
-libsvm_options:这一项是非必须的。

[predicted_label,accuracy,decision_values/prob_estimates] = svmpredict(testing_label_vector,testing_instance_martix,model [,‘libsvm_options’]);

-testing_label_vector:一个mx1的测试向量，必须是double型
-testing_instance_martix:一个mxn的测试矩阵，double型，m个实例,n个特征
-model:svm输出的模型
这个函数将返回模型的结构
svmpredict函数的输出有三个，第一个predict_label是一个预测标签的矩阵，第二个accuracy是包括了分类的精度、均值在内的向量，第三个是包含了决策和概率估计值在内的向量。如果k是训练集里类的数量，那么在这个矩阵中，每一行都包含了k(k-1)/2的支持向量机。对于概率，每一行包含k个值，表示测试实例在相应位置属于每个类的概率值。

[附]有关svm的一些解释：
1.svm要求每个数据都要被表示为实数的向量，因