学习笔记（3）---安装SVM问题及解决方法

1. LibSVM下载，安装

下载地址：http://www.csie.ntu.edu.tw/~cjlin/libsvm/，最新的版本是3.17

2. 入门

[plain] view plain copy

1. [heart_scale_label,heart_scale_inst]=libsvmread(‘heart_scale‘); % 导入数据
2. model = svmtrain(heart_scale_label,heart_scale_inst, ‘-c 1 -g 0.07‘); % 训练模型
3. [predict_label, accuracy, dec_values] =svmpredict(heart_scale_label, heart_scale_inst, model); % 测试

注意：

（1）下载解压后文件夹中的heart_scale，是VC++格式的，不能直接load, 否则会报错！

需要使用转换函数libsvmread()，其格式如下： [label_vector, instance_matrix] = libsvmread(‘filename‘);

所以导入数据的命令为：[heart_scale_label,heart_scale_inst] = libsvmread(‘heart_scale‘);

或者直接下载mat格式的数据，保存到当前目录下。下载地址：http://pan.baidu.com/s/1sj8l6ax

（2）在新版的matlab中，也有自带的SVM实现，函数名也是svmtrain. 为了避免冲突，可以将其备份后改名，比如改为svmtrain_backup.m.

文件的位置在：D:\Program Files\MATLAB\R2012a\toolbox\bioinfo\biolearning\svmtrain.m

（3）进行分类测试时，网络上许多教程中提到的 [predict_label, accuracy] = svmpredict(heart_scale_label, heart_scale_inst, model); 在最新的3.17版本中会出错，提示使用的语法格式为：Usage: [predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(testing_label_vector, testing_instance_matrix, model, ‘libsvm_options‘);或者 [predicted_label] = svmpredict(testing_label_vector, testing_instance_matrix, model, ‘libsvm_options‘)

所以正确的用法应该是：

[plain] view plain copy

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

或者：

[plain] view plain copy

1. [predicted_label] = svmpredict(heart_scale_label, heart_scale_inst, model);

得到下面的结果，则说明测试成功！

Accuracy = 86.6667% (234/270) (classification)