matlab环境下使用libsvm，转自http://apinetree.blog.51cto.com/714152/1560254

转自http://apinetree.blog.51cto.com/714152/1560254

1） 从LIBSVM的官网http://www.csie.ntu.edu.tw/~cjlin/libsvm/上下载最新版本的LIBSVM，当前版本为libsvm-3.18.zip

2） 解压压缩包到电脑上一位置，如：C:\Program Files\libsvm-3.18

3） 假设你使用的是64位的操作系统和matlab。此时将libsvm-3.18文件夹下的windows目录添加到matlab目录中。即在matlab目录中添加：C:\ProgramFiles\libsvm-3.18\windows。因为windows下包含了matlab可执行的二进制文件libsvmread.mexw64/libsvmwrite.mexw64/svmpredict.mexw64/svmtrain.mexw64

4） 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（先输入n，再选择对应的编译器）。

        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：cd ‘C:\Program Files\libsvm-3.18\matlab’

        输入命令make

这时你会看到当前目录生成了二进制文件（4个）：       

        libsvmread.mexw32

        libsvmwrite.mexw32

        svmpredict.mexw32

        svmtrain.mexw32

将当前目录添加到matlab路径中即可。

5） 例子一个测试

        注意到libsvm-3.18下有一个数据文件，名称为heart_scale。这是一个libsvm格式的数据文件。可使用libsvmread函数将其转化为matlab格式。

可使用以下命令测试：

        [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

如果出现一行：Accuracy = 86.6667% (234/270) (classification)。就说明成功了。就可以在matlab中使用svm了。

6） svmtrain函数相关参数说明

        svmtrain函数返回的model可以用来对测试数据集进行预测。这是一个结构体变量，主要包括了以下几个域。[Parameters, nr_class, totalSV, rho, Label, ProbA, ProbB, nSV,sv_coef, SVs]。英文说明如下：

       -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

        如果没有指定’-b 1’选项则ProbA和ProbB为空矩阵。此外，当指定’-v’选项时，返回的model是一个数值，是cross-validation的准确率。

        其中model.paramter是一个5X1的向量，model.Parameters参数意义从上到下依次为：

        -s svm类型：SVM设置类型(默认0)

        -t 核函数类型：核函数设置类型(默认2)

        -d degree：核函数中的degree设置(针对多项式核函数)(默认3)

        -g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数) (默认类别数目的倒数)

        -r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0)

7）svmpredict函数参数说明

        svmpredict函数返回三个值：

1. predict_label，是训练集预测得到的label向量。

2. accuracy，是一个3维的向量，从上到下分别是：分类准率（分类问题中用到的参数指标）；平均平方误差（MSE (mean squared error)） （回归问题中用到的参数指标）；平方相关系数（r2 (squared correlation coefficient)）（回归问题中用到的参数指标）。

3. 输出是个矩阵，包含着决策值或者是概率估计（当’-b 1’被指定时）。当训练数据有k类时，决策值矩阵是一个n行k*(k-1)/2列的矩阵（n为测试数据集个数，k为类别数），而每一行的输出是k*(k-1)/2个二分类器的结果。当’-b 1’被指定时，概率估计矩阵是一个n行k类的矩阵（n为测试数据集个数，k为类别数），每一行的输出是该测试数据属于每个类的概率。

4. 本文出自 “松鼠” 博客，请务必保留此出处http://apinetree.blog.51cto.com/714152/1560254