LIBSVM（一）安装及容易遇到的问题

最新推荐文章于 2022-07-06 14:58:22 发布

转载最新推荐文章于 2022-07-06 14:58:22 发布 · 167 阅读

本内容遵循CC 4.0 BY-SA版权协议

原文链接：http://www.cnblogs.com/blogwww/p/9468872.html

本文详细介绍了如何在MATLAB环境中安装和配置LibSVM库，并通过一个具体的例子展示了如何使用LibSVM进行数据分类。首先，需要从官网下载LibSVM并将其解压到MATLAB的安装目录下，然后设置路径并完成编译。最后，通过一个心电图数据集的分类任务，演示了LibSVM在训练和测试数据集上的应用。

1.下载libsvm-3.23

网址：https://www.csie.ntu.edu.tw/~cjlin/libsvm/#download

2.安装

2.1 解压，将解压后的文件放到MATLAB安装目录的toolbox

2.2 set path 至 D:\software\matlab\toolbox\libsvm-3.23

2.3 工作目录调整至 D:\software\matlab\toolbox\libsvm-3.23\matlab

3.编译

3.1 mex -setup

（易错：Matlab 未找到支持的编译器或 SDK 解决方法归纳

https://blog.csdn.net/gszhan/article/details/50951070）

3.2 make

4. 测试

4.1 数据（heart_scale https://pan.baidu.com/s/1fy5PkBrV9w8zd2lsKPnttQ）

4.2 指令

% load heart_scale.mat;
% model = svmtrain(heart_scale_label,heart_scale_inst);
% [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);

load heart_scale.mat;
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');

% 利用建立的模型看其在训练集合上的分类效果
[ptrain,acctrain] = svmpredict(trainlabel,traindata,model);

% 预测测试集合标签
[ptest,acctest] = svmpredict(testlabel,testdata,model);
%  预测精度
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);