LIBSVM mat使用方法

libsvm-mat也是libsvm大家族的成員，只是matlab下的版本而已。

開啟matlab，切換到c:/libsvm-mat-2.9-1目錄下(cd c:/libsvm-mat-2.9-1)，鍵入以下命令：

mex -setup

matlab會詢問你是否需要locate installed compiler，選擇y，然後根據需要選擇乙個編譯器即可。確認時選擇y即可。

（但是這裡通常有乙個問題，就是matlab根本不知道你有沒有安裝c++編譯器，所以可能產生錯誤，所以如果選擇y不行，那就選擇n,自己來選擇要用的c++編譯器，前提條件是你必須安裝了對應的c++編譯器)

這部分編譯完成後，然後鍵入

make

就會生成svmtrain.dll，svmpredict.dll和read_sparse.dll這三個檔案（對於matlab 7.1及以上版本，生成的對應檔案為svmtrain.mexw32，svmpredict.mexw32和read_sparse.mexw32）

然後可以在matlab的選單file->set path->add folder裡，把c:/libsvm-mat-2.9-1目錄新增進去，這樣以後在任何目錄下都可以呼叫libsvm的函式了。

為了檢驗libsvm和matlab之間的介面是否已經配置完成，可以在matlab下執行以下命令：

load heart_scale.mat

model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 2');

如果執行正常並生成了model這個結構體（其中儲存了所有的支援向量及其係數），那麼說明libsvm和matlab之間的介面已經完全配置成功。

使用時，根據你自己的訓練樣本的特徵陣列、類別陣列，對例子中的引數做對應替換就行了。

>> model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');

自己使用時，heart_scale_label換成你自己的類別，heart_scale_inst換成自己的特徵屬性矩陣。

這個執行後就得到了訓練後的model模型。

下面就要使用model進行**了：

>> [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);

**使用的資料格式和訓練樣本的相同，heart_scale_label換為你測試樣本的類別列向量，heart_scale_inst換成你測試樣本的特徵屬性矩陣。執行結果，就在predict_label, accuracy, dec_values三個變數中。

類別**時，**的類別放在predict_label中；回歸**時，結果放在dec_values中。