参考资料：http://www.matlabsky.com/thread-11925-1-1.html
一、LibSVM
LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。
目前，LIBSVM拥有C、Java、Matlab、C#、Ruby、Python、R、Perl、Common LISP、Labview等数十种语言版本。最常使用的是C、Matlab、Java和命令行(c语言编译的工具)的版本。
1、下载
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-3.22.zip(大小为858kB)
下面下载MATLAB版本：
libsvm-3.22.zip解压后的安装包：包含（MATLAB版、java、Python、C版本）
2、安装过程
配置方法：LIBSVM（MATLAB版）的配置说明位于\libsvm-3.22\libsvm-3.22\matlab\目录下的README文档中。
（1）设置路径Set Path(Add with Subfolders)
MATLAB菜单中的“-File—Set Path—Add with Subfolders”然后保存。
-工作搜索目录（路径）：是指当使用某一函数的时候，MATLAB可以进行搜索该函数的所有的目录集合。
-当前目录【Current Folder】：是指MATLAB当前所在的路径，MATLAB菜单栏下面有一个Current Folder可以在这里进行当前所在目录的更改。
MATLAB布局的设置：MATLAB菜单“Desktop”-“Desktop Layout”-Default（或者其他选择）。
（2）选择编译器（mex -setup注意：两者之间有一个空格）
操作如下：
（1）在命令窗口输入：mex -setup。出现Done...说明选择编译器成功。
（3）编译文件（make）
make.m中的代码如下：
% This make.m is for MATLAB and OCTAVE under Windows, Mac, and Unixfunction make()try % This part is for OCTAVE if (exist ('OCTAVE_VERSION', 'builtin')) mex libsvmread.c mex libsvmwrite.c mex -I.. svmtrain.c ../svm.cpp svm_model_matlab.c mex -I.. svmpredict.c ../svm.cpp svm_model_matlab.c % This part is for MATLAB % Add -largeArrayDims on 64-bit machines of MATLAB else mex CFLAGS="\$CFLAGS -std=c99" -largeArrayDims libsvmread.c mex CFLAGS="\$CFLAGS -std=c99" -largeArrayDims libsvmwrite.c mex CFLAGS="\$CFLAGS -std=c99" -I.. -largeArrayDims svmtrain.c ../svm.cpp svm_model_matlab.c mex CFLAGS="\$CFLAGS -std=c99" -I.. -largeArrayDims svmpredict.c ../svm.cpp svm_model_matlab.c endcatch err fprintf('Error: %s failed (line %d)\n', err.stack(1).file, err.stack(1).line); disp(err.message); fprintf('=> Please check README for detailed instructions.\n');end
— .mexw32编译后的文件是加密过的，打开是乱码，函数本身没有帮助。 — 运行help svmtrain得到的是MATLAB自带的svmtrain函数的帮助文件。 — 工具箱中的README文件可以算是帮助文件。
小技巧：Shortcuts的使用
3、测试使用
— load heart_scale; — model=svmtrain(heart_scale_label,heart_scale_inst); — [predict_label,accuracy]=svmpredict(heart_scale_label,heart_scale_inst,model);错误解决：
load heart_scale这一步报错
??? Error using ==>load
Number of columns on line 2 of ASCII file D:\ProgramFiles\MATLAB2010\matlab\toolbox\
libsvm-3.13\heart_scale must be the same as previous lines.
官方现在不给heart_scale.mat，给的都是VC++下的格式。一些旧版本的工具箱还可以找到mat文件，新版本都没有了。所以load会报错：heart_scale must be same as previous lines）。
一种解决方法是：使用给的一个函数，转化数据。此函数为libsvmread()
使用如下： [label_vector, instance_matrix] =libsvmread('filename');
为了跟官方统一名称可以[heart_scale_label,heart_scale_inst] =libsvmread('heart_scale');
注意：由于heart_scale在libsvm-3.11目录下，不是在matlab下，所以直接用libsvmread命令会报错，要买改变当前路径，或者使用
[heart_scale_label,heart_scale_inst]=libsvmread('../heart_scale');../代表返回上层路径。
但是最简单的方法是，找到旧版本工具箱的mat文件添加上即可！
更多测试数据的下载：
（1）Libsvm官方提供的测试数据：（原始数据格式是给libsvm C++版本使用，在MATLAB平台上需要使用libsvmread进行格式转换）
网址：http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/
（2）UCI数据库
网址：http://archive.ics.uci.edu/ml/
转换代码：
[label_vector,instance_matrix]=libsvmread('breast-cancer_scale.txt'); model=svmtrain(label_vector,instance_matrix); [ predicted_label,accuracy, prob_estimates]=svmpredict(label_vector,instance_matrix,model)
使用Import Data数据导入：将UCI下的数据转换成MATLAB平台下可以使用数据格式
进行数据的抽取和保存。
>>wine_label=wine(:,1); >> wine_data=wine(:,2:end); >> save winedata.mat
等到使用时可以直接进行加载：
load winedata.mat modelw = svmtrain(wine_label,wine_data); [plabelw,accuracyw] = svmpredict(wine_label,wine_data,modelw);
联系客服
