libsvm3.22安装和调试

nichlsky

于 2017-02-28 13:48:58 发布

阅读量7.2k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： libsvm3.22安装和调试文章标签： libsvm3.22安装和调试

本文链接：https://blog.youkuaiyun.com/nichlsky/article/details/58593485

本文介绍了如何在Matlab R2010b中安装和配置libsvm 3.22，包括解压安装包、设置路径、编译源码以及使用样例数据进行SVM训练和预测。通过示例展示了SVM模型的训练过程，如参数设置、模型解密，并给出了训练和测试集的准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 将http://www.csie.ntu.edu.tw/~cjlin/libsvm/下载下的libsvm3.22安装包解压在Matlab安装目录的tool工具箱下面。我的是这么做的，D:\Program Files\MATLAB\R2010b\toolbox\下面

2. 打开matlab，设置当前路径为D:\Program Files\MATLAB\R2010b\toolbox\libsvm-3.22\matlab，在matlab命令行输入mex -setup（移动注意mex后有个空格），选择运行环境，成功选定。

3.输入make进行编译，这时在D:\Program Files\MATLAB\R2010b\toolbox\libsvm-3.22\matlab下生成svmtrain.mexw64、svmpredict.mexw64、libsvmread.mexw64,libsvmwrite.mexw64文件。

4.运行内部含有的测试程序进行测试。

tic;
close all;
clear;
clc;
format compact;
%%

% 首先载入数据
load heart_scale;
data = heart_scale_inst;
label = heart_scale_label;

% 选取前200个数据作为训练集合，后70个数据作为测试集合
ind = 200;
traindata = data(1:ind,:);
trainlabel = label(1:ind,:);
testdata = data(ind+1:end,:);
testlabel = label(ind+1:end,:);

% 利用训练集合建立分类模型
model = svmtrain(trainlabel,traindata,'-s 0 -t 2 -c 1.2 -g 2.8');
%参数输入的意义：

% -s svm类型：SVM设置类型(默认0)
% 0 -- C-SVC