解决win8.1安装matlab出现无法访问您试图使用的功能...vcredist.msc...等等
解决win8.1安装matlab时出现
“无法访问您试图使用的功能所在的网络位置”解决方法
win8.1打开matlab的setup就是这个，导致安装根本无法继续
无法访问您试图使用的功能所在的网络位置
单击“确定”重试，或在下面的框中输入包含安装程序包”vcredist.msi”的文件夹路径。
这是Microsoft Visual C++ 2005运行库，matlab需要它才能运行，所以matlab的安装文件里面带了这个文件并且自动安装，不安装就无法继续，可是vc2005安装失败了，不管是管理员权限还是xp兼容性模式都没有用，都会跳到这个界面，另外到微软官网下载安装也是没有用的，可能是matlab只认自带的vc2005运行库
本问题的实质就是matlab自带的vc2005无法在win8.1上面安装导致matlab无法继续安装
（注：xp是没有问题的，直接过去毫无压力）
安装matlab安装文件自带的vc2005运行库的即可，
比如本人是64位，找到matlab光盘的\R2014a_Windows\bin\win64\vcredist_x64.exe，复制出去用好压之类的解压这个EXE文件，有两个文件：vcredis1.cab和vcredist.msi，当出现“无法访问您试图使用的功能所在的网络位置
单击“确定”重试，或在下面的框中输入包含安装程序包”vcredist.msi”的文件夹路径”，点下面的浏览，浏览找到这两个文件打开即可成功安装了
然后你的matlab就能继续往前走了
说些题外话，matlab带的vc2007，2008，2010都能成功在8.1上面安装，唯独自带的2005在win8.1无法顺利安装
xp可以成功安装matlab自带的vc2005运行库
我们安装成功所用的文件，都来自matlab自带vc2005本身，没有任何添加，
这说明matlab自带的vc2005是完整的，但是在win8.1上运行出现了问题，自身无法完成安装，而我们通过上面的方法辅助其完成了安装
MATALB中SVM工具箱快速入手简易教程(常出现的错误解决办法)
MATALB中SVM工具箱快速入手简易教程（常出现的错误解决办法） ——胡matlab 自带的函数(matlab帮助文件里的例子)[只 有较新版本的matlab中有这两个SVM的函数] （本人使用的是2012版本） svmtrain svmclassify =====简要语法规则==== svmtrain Train support vector machine classifier Syntax SVMStruct = svmtrain(Training, Group) SVMStruct = svmtrain(..., 'Kernel_Function', Kernel_FunctionValue, ...) SVMStruct = svmtrain(..., 'RBF_Sigma', RBFSigmaValue, ...) SVMStruct = svmtrain(..., 'Polyorder', PolyorderValue, ...) SVMStruct = svmtrain(..., 'Mlp_Params', Mlp_ParamsValue, ...) SVMStruct = svmtrain(..., 'Method', MethodValue, ...) SVMStruct = svmtrain(..., 'QuadProg_Opts', QuadProg_OptsValue, ...) SVMStruct = svmtrain(..., 'SMO_Opts', SMO_OptsValue, ...) SVMStruct = svmtrain(..., 'BoxConstraint', BoxConstraintValue, ...) SVMStruct = svmtrain(..., 'Autoscale', AutoscaleValue, ...) SVMStruct = svmtrain(..., 'Showplot', ShowplotValue, ...) --------------------- svmclassify Classify data using support vector machine Syntax Group = svmclassify(SVMStruct, Sample) Group = svmclassify(SVMStruct, Sample, 'Showplot', ShowplotValue)
Libsvm-FarutoGUI版本介绍与使用(《Learn SVM Step by Step》by faruto2011系列视频-应用篇)
——打造最优秀、专业和权威的MATLAB技术交流平台! https://www.360docs.net/doc/7514864339.html, MATLAB技术论坛| Simulink仿真论坛| 专业MATLAB技术交流平台！ 网址：https://www.360docs.net/doc/7514864339.html, 邮箱：matlabsky@https://www.360docs.net/doc/7514864339.html, 客服：1341692017(QQ) 技术论坛：https://www.360docs.net/doc/7514864339.html, 函数百科：https://www.360docs.net/doc/7514864339.html, 电子期刊：https://www.360docs.net/doc/7514864339.html, 官方博客：https://www.360docs.net/doc/7514864339.html, 读书频道：https://www.360docs.net/doc/7514864339.html, 视频教程：https://www.360docs.net/doc/7514864339.html, 有偿编程：https://www.360docs.net/doc/7514864339.html, 软件汉化：https://www.360docs.net/doc/7514864339.html,
——打造最优秀、专业和权威的MATLAB技术交流平台! https://www.360docs.net/doc/7514864339.html, MATLAB技术论坛视频教学 内容：《Learn SVM Step by Step 》系列视频 作者：faruto 时间：2011.6-9 版权：All Rights Preserved By https://www.360docs.net/doc/7514864339.html, 声明：严厉谴责和鄙夷一切利用本论坛资源进行任何牟利或盗版的行为！ 更多MATLAB精彩视频详见https://www.360docs.net/doc/7514864339.html,/forum-5-1.html
——打造最优秀、专业和权威的MATLAB技术交流平台! https://www.360docs.net/doc/7514864339.html, 《Learn SVM Step by Step 》系列视频目录 –《Learn SVM Step by Step 》应用篇 ?Libsvm的下载、安装和使用 ?https://www.360docs.net/doc/7514864339.html,/thread-18080-1-1.html ?Libsvm参数实例详解 ?https://www.360docs.net/doc/7514864339.html,/thread-18457-1-1.html ?一个实例搞定libsvm分类 ?https://www.360docs.net/doc/7514864339.html,/thread-18521-1-1.html ?一个实例搞定libsvm回归 ?https://www.360docs.net/doc/7514864339.html,/thread-18552-1-1.html ?Libsvm-FarutoUltimate版本介绍与使用 ?https://www.360docs.net/doc/7514864339.html,/thread-18594-1-1.html ?Libsvm-FarutoGUI版本介绍与使用 ?https://www.360docs.net/doc/7514864339.html,/thread-18606-1-1.html ?…… ?Lssvm的下载、安装和使用 ?一个实例搞定lssvm分类 ?一个实例搞定lssvm回归 ?…… –《Learn SVM Step by Step 》理论篇 ?具体内容待定。
LIBSVM使用方法
LIBSVM 1 LIBSVM简介 LIBSVM是台湾大学林智仁(Lin Chih-Jen)副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；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross -SVM回归等问题，包括基于一对一算法的多类模式识别问题。SVM用于模式识别或回归时，SVM方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模式，也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。ν-SVM回归和ε-SVM分类、νValidation)的功能。该软件包可以在https://www.360docs.net/doc/7514864339.html,.tw/~cjlin/免费获得。该软件可以解决C-SVM分类、-SVM回归等问题，包括基于一对一算法的多类模式识别问题。SVM用于模式识别或回归时，SVM方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模式，也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。 2 LIBSVM使用方法 LibSVM是以源代码和可执行文件两种方式给出的。如果是Windows系列操作系统，可以直接使用软件包提供的程序，也可以进行修改编译；如果是Unix类系统，必须自己编译，软件包中提供了编译格式文件，我们在SGI工作站(操作系统IRIX6.5)上，使用免费编译器GNU C++3.3编译通过。 2.1 LIBSVM 使用的一般步骤： 1) 按照LIBSVM软件包所要求的格式准备数据集； 2) 对数据进行简单的缩放操作； 3) 考虑选用RBF 核函数； 4) 采用交叉验证选择最佳参数C与g； 5) 采用最佳参数C与g 对整个训练集进行训练获取支持向量机模型； 6) 利用获取的模型进行测试与预测。 2.2 LIBSVM使用的数据格式 该软件使用的训练数据和检验数据文件格式如下：
libsvm-mat-加强工具箱介绍
libsvm-mat-加强工具箱介绍 由于libsvm的matlab版本的工具箱libsvm-mat并没有给出寻参的函数模块，而无论利用libsvm工具箱进行分类还是回归，参数的选取是十分重要的，鉴于此libsvm-mat-加强工具箱在libsvm-mat-2.89-3的基础上给出相应的辅助函数插件，方便用户来选取最佳的参数，该加强工具箱可以在MATLAB中文论坛上下载，现对该加强工具箱里主要的辅助函数插件的接口进行介绍，所有的源代码可以到MATLAB中文论坛下载并查看。 ====================================================== ==== 归一化函数:scaleForSVM [train_scale,test_scale,ps]= scaleForSVM(train_data,test_data,ymin,ymax) 输入： train_data:训练集，格式要求与svmtrain相同。 test_data:测试集，格式要求与svmtrain相同。 ymin，ymax:归一化的范围，即将训练集和测试都归一化到[ymin,ymax]，这两个参数可不输入，默认值为ymin=0，ymax=1，即默认将训练集和测试都归一化到[0,1]。 输出： train_scale:归一化后的训练集。 test_scale:归一化后的测试集。 ps:归一化过程中的映射（方便反归一化使用）。 ====================================================== ==== pca降维预处理函数：pcaForSVM
libsvm的原理及使用方法介绍
LibSVM学习 目录 LibSVM学习 (1) 初识LibSVM (1) 第一次体验libSvm (3) LibSVM使用规范 (5) 1. libSVM的数据格式 (5) 2. svmscale的用法 (5) 3. svmtrain的用法 (6) 4. svmpredict 的用法 (7) 逐步深入LibSVM (7) 分界线的输出 (11) easy.py和grid.py的使用 (13) 1. grid.py使用方法 (13) 2. easy.py使用方法 (14) 参考 (16) LibSVM学习 初识LibSVM LibSVM是台湾林智仁(Chih-Jen Lin's) 教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。 由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。 这套库可以从林智仁的home page上免费获得，目前已经发展到3.0版。下载.zip格式的版本，解压后可以看到，主要有5个文件夹和一些c++源码文件。 Java ——主要是应用于java平台的源码和libsvm.jar包；
Python ——是用来参数优选的工具，稍后介绍； svm-toy ——一个可视化的工具，用来展示训练数据和分类界面，里面是源码，其编译后的程序在windows文件夹下； tools ——主要包含四个python文件，用来数据集抽样(subset.py)，参数优选（grid.py），集成测试(easy.py), 数据检查(checkdata.py)； windows ——包含libSVM四个exe程序包，我们所用的库和程序就是它们。 其他.h和.cpp文件都是程序的源码，可以编译出相应的.exe文件。其中，最重要的是svm.h 和svm.cpp文件，svm-predict.c、svm-scale.c和svm-train.c（还有一个svm-toy.cpp在svm-toy\qt 文件夹中）都是调用的这个文件中的接口函数，编译后就是windows下相应的四个exe程序。另外，里面的README 跟FAQ 也是很好的文件，对于初学者如果E文过得去，可以看一下。 下面以svm-train为例，简单的介绍下，怎么编译：（这步很简单，也没必要，对于仅仅使用libsvm库的人来说，windows下的4个exe包已经足够了，之所以加这步，是为了那些做深入研究的人，可以按照自己的思路改变一下svm.cpp，然后编译验证）我用的是VC 6.0，新建一个控制台（win32 console application）程序，程序名叫svmtrain （这个可以随意），点击OK后，选择empty。 进入程序框架后，里面什么都没有，然后找到你的程序目录，把svm-train.c、svm.h和svm.cpp拷贝过去（.c文件是c语言的，要是你习惯了c++，你尽可以改成.cpp），然后把这3个文件添加到工程，编译。。。如果没错误，到debug下面看看，是不是有个svm-train.exe。其实windows下的svm-train.exe就是这样编译出来的。 哈哈，怎么样是不是很简单。但是，这样的程序直接运行没意义，他要在dos下运行，接收参数才行。下面开始我们的libsvm的体验之旅。
matlab2019a加装libsvm指南
Matlab 2019a Libsvm3.23 MW_MINGW64_6.3环境建立指南 安装libsvm过程很漫长，虽然参考了网上各种指南，发现在国内的网络下安装MW_MINGW64太痛苦了。这里总结下，供大家参考 本人PC系统Windows7 64bit，matlab安装的2019a,libsvm安装的version3.23 1.首先需要下载libsvm包： 2.将libsvm 3.23解压到matlab/toolbox目录下： 3.运行matlab，在主页(home)的设置路径(set path)中添加libsvm及子文件夹： 4.将当前路径设置到libsvm 3.2.2/matlab 后， 在命令行窗口运行mex -setup 5.如果提示找不到编译器，请安装MinGW64 Compiler (C++)，注意：必须 6.3版本， 其他都有问题。 6.配置环境变量：从我的电脑属性-高级系统设置-高级-环境变量中，添加到系统变量（大 部分配置环境变量都是如此）。变量为：MW_MINGW64_LOC，值为：MinGW63的位置。 7.在MATLAB命令行内运行命令setenv('MW_MINGW64_LOC',folder)，MinGW63的位置， 要加单引号。例如：setenv('MW_MINGW64_LOC','C:\mingw63') 8.此时mex –setup C++ 可以正常使用，不然重启matlab即可。
MEX 配置为使用'MinGW64 Compiler (C++)' 以进行C++ 语言编译。 警告: MATLAB C 和Fortran API 已更改，现可支持 包含2^32-1 个以上元素的MATLAB 变量。您需要 更新代码以利用新的API。 您可以在以下网址找到更多的相关信息: 9.出现如上内容，再对C语言文件进行编译，编译为matlab能够识别的文件，在命令行 窗口输入编译命令: make 显示上图表示成功 10.如果错误提示： 使用'MinGW64 Compiler (C)' 编译。 Error: D:\matlab2016b\toolbox\libsvm-3.22\matlab\make.m failed (line 13) gcc: error: \-fexceptions: No such file or directory => Please check README for detailed instructions. 需要打开libsvm3.2.2/matlab目录下的make.m，将其中所的CFLAGS替换为COMPFLAGS（替换运用CTRL+F即可），替换后，重启matlab，执行make则可以编译成功。 以上命令，每次打开matlab都需要，因此可以建立startup.m，这样每次打开matlab，可以自动执行。 可以在C:\Program Files\Polyspace\R2019a\bin下建立startup.m文件。 startup.m
LSSVM相关教程
四种支持向量机用于函数拟合与模式识别的Matlab示例程序 陆振波 点这里下载：四种支持向量机用于函数拟合与模式识别的Matlab示例程序 使用要点： 应研学论坛《人工智能与模式识别》版主magic_217之约，写一个关于针对初学者的《四种支持向量机工具箱》的详细使用说明。同时也不断有网友向我反映看不懂我的源代码，以及询问如何将该工具箱应用到实际数据分析等问题，其中有相当一部分网友并不了解模式识别的基本概念，就急于使用这个工具箱。本文从模式识别的基本概念谈起，过渡到神经网络模式识别，逐步引入到这四种支持向量机工具箱的使用。 本文适合没有模式识别基础，而又急于上手的初学者。作者水平有限，欢迎同行批评指正！ [1]模式识别基本概念 模式识别的方法有很多，常用有：贝叶斯决策、神经网络、支持向量机等等。特别说明的是，本文所谈及的模式识别是指“有师分类”，即事先知道训练样本所属的类别，然后设计分类器，再用该分类器对测试样本进行识别，比较测试样本的实际所属类别与分类器输出的类别，进而统计正确识别率。正确识别率是反映分类器性能的主要指标。 分类器的设计虽然是模式识别重要一环，但是样本的特征提取才是模式识别最关键的环节。试想如果特征矢量不能有效地描述原样本，那么即使分类设计得再好也无法实现正确分类。工程中我们所遇到的样本一般是一维矢量，如：语音信号，或者是二维矩阵，如：图片等。特征提取就是将一维矢量或二维矩阵转化成一个维数比较低的特征矢量，该特征矢量用于分类器的输入。关于特征提取，在各专业领域中也是一个重要的研究方向，如语音信号的谐振峰特征提取，图片的PCA特征提取等等。 [2]神经网络模式识别 神经网络模式识别的基本原理是，神经网络可以任意逼近一个多维输入输出函数。以三类分类：I、II、III为例，神经网络输入是样本的特征矢量，三类样本的神经网络输出可以是[1;0;0]、[0;1;0]、[0;0;1]，也可以是[1;-1;-1]、[-1;1;-1]、[-1;-1;1]。将所有样本中一部分用来训练网络，另外一部分用于测试输出。通常情况下，正确分类的第I类样本的测试输出并不是[1;0;0]或是[1;-1;-1]，而是如[0.1;0;-0.2]的输出。也是就说，认为输出矢量中最大的一个分量是1，其它分量是0或是-1就可以了。 [3]支持向量机的多类分类 支持向量机的基本理论是从二类分类问题提出的。我想绝大部分网友仅着重于理解二类分类问题上了，我当初也是这样，认识事物都有一个过程。二类分类的基本原理固然重要，我在这里也不再赘述，很多文章和书籍都有提及。我觉得对于工具箱的使用而言，理解如何实现从二类分类到多类分类的过渡才是最核心的内容。下面我仅以1-a-r 算法为例，解释如何由二类分类器构造多类分类器。 二类支持向量机分类器的输出为[1,-1]，当面对多类情况时，就需要把多类分类器分解成多个二类分类器。在第一种工具箱LS_SVMlab中，文件Classification_LS_SVMlab.m中实现了三类分类。训练与测试样本分别为n1、n2，它们是3 x 15的矩阵，即特征矢量是三维，训练与测试样本数目均是15；由于是三类分类，所以训练与测试目标x1、x2的每一分量可以是1、2或是3，分别对应三类，如下所示： n1 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];
libsvm使用说明
libSVM的使用 文档1 1. 程序介绍和环境设置 windows下的libsvm是在命令行运行的Console Program。所以其运行都是在windows的命令行提示符窗口运行（运行，输入cmd）。运行主要用到的程序，由如下内容组成： libsvm-2.9/windows/文件夹中的： svm-train.exe svm-predict.exe svm-scale.exe libsvm-2.9/windows/文件夹中的： checkdata.py subset.py easy.py grid.py 另外有： svm-toy.exe，我暂时知道的是用于演示svm分类。其中的load按钮的功能，是否能直接载入数据并进行分类还不清楚，尝试没有成功； python文件夹及其中的svmc.pyd，暂时不清楚功能。 因为程序运行要用到python脚本用来寻找参数，使用gnuplot来绘制图形。所以，需要安装python和Gnuplot。 （Python v3.1 Final可从此下载：https://www.360docs.net/doc/7514864339.html,/detail/33/320958.shtml）（gnuplot可从其官网下载：https://www.360docs.net/doc/7514864339.html,） 为了方便，将gnuplot的bin、libsvm-2.9/windows/加入到系统的path中，如下： gnuplot.JPG
libsvm.JPG 这样，可以方便的从命令行的任何位置调用gnuplot和libsvm的可执行程序，如下调用svm-train.exe: pathtest.JPG 出现svm-train程序中的帮助提示，说明path配置成功。 至此，libsvm运行的环境配置完成。下面将通过实例讲解如何使用libsvm进行分类。 2. 使用libsvm进行分类预测
支持向量机(SVM)原理及应用概述
支持向量机（SVM ）原理及应用 一、SVM 的产生与发展 自1995年Vapnik (瓦普尼克)在统计学习理论的基础上提出SVM 作为模式识别的新方法之后，SVM 一直倍受关注。同年，Vapnik 和Cortes 提出软间隔(soft margin)SVM ，通过引进松弛变量i ξ度量数据i x 的误分类(分类出现错误时i ξ大于0)，同时在目标函数中增加一个分量用来惩罚非零松弛变量(即代价函数)，SVM 的寻优过程即是大的分隔间距和小的误差补偿之间的平衡过程；1996年，Vapnik 等人又提出支持向量回归 (Support Vector Regression ，SVR)的方法用于解决拟合问题。SVR 同SVM 的出发点都是寻找最优超平面(注：一维空间为点；二维空间为线；三维空间为面；高维空间为超平面。)，但SVR 的目的不是找到两种数据的分割平面，而是找到能准确预测数据分布的平面，两者最终都转换为最优化问题的求解；1998年，Weston 等人根据SVM 原理提出了用于解决多类分类的SVM 方法(Multi-Class Support Vector Machines ，Multi-SVM)，通过将多类分类转化成二类分类，将SVM 应用于多分类问题的判断：此外，在SVM 算法的基本框架下，研究者针对不同的方面提出了很多相关的改进算法。例如，Suykens 提出的最小二乘支持向量机 (Least Square Support Vector Machine ，LS —SVM)算法，Joachims 等人提出的SVM-1ight ，张学工提出的中心支持向量机 (Central Support Vector Machine ，CSVM)，Scholkoph 和Smola 基于二次规划提出的v-SVM 等。此后，台湾大学林智仁(Lin Chih-Jen)教授等对SVM 的典型应用进行总结，并设计开发出较为完善的SVM 工具包，也就是LIBSVM(A Library for Support Vector Machines)。LIBSVM 是一个通用的SVM 软件包，可以解决分类、回归以及分布估计等问题。 二、支持向量机原理 SVM 方法是20世纪90年代初Vapnik 等人根据统计学习理论提出的一种新的机器学习方法，它以结构风险最小化原则为理论基础，通过适当地选择函数子集及该子集中的判别函数，使学习机器的实际风险达到最小，保证了通过有限训练样本得到的小误差分类器，对独立测试集的测试误差仍然较小。 支持向量机的基本思想：首先，在线性可分情况下，在原空间寻找两类样本的最优分类超平面。在线性不可分的情况下，加入了松弛变量进行分析，通过使用非线性映射将低维输
SVM使用方法总结
SVM的使用方法（整理完成于2011-03-14）
目录 1Libsvm下载 (3) 2Libsvm3.0环境变量设置 (3) 3训练和测试数据集下载 (3) 4运行python程序的环境配置 (3) 5LIBSVM使用的一般步骤是： (3) 6再来说一下，libsvm-3.0的需要的数据及其格式。 (4) 7Libsvm数据格式制作： (4) 8Windows版本的工具 (4) 9核函数的使用简介 (8) 10grid.py的使用 (10) 11subset.py使用方法 (11) 12checkdata.py的使用方法 (12) 13easy.py使用方法 (12) 14一个具体的应用实例 (13) 15备注：常见问题的解决办法 (15)
1Libsvm下载 在你给我发的邮件地址https://www.360docs.net/doc/7514864339.html,.tw/~cjlin/libsvm/下载libsvm的最新版本，现在最新版本是3.0的，下载地址为https://www.360docs.net/doc/7514864339.html,.tw/~cjlin/libsvm/libsvm-3.0.zip 1、将libsvm-3.0.zip解压，我的解压到了C:\根目录下了。 2Libsvm3.0环境变量设置 添加环境变量到path：我的电脑->属性->高级->环境变量->系统变量->变量列表里面双击Path，在变量值最后添加;C:\libsvm-3.0\windows然后点击确定即可。 3训练和测试数据集下载 在以下网址https://www.360docs.net/doc/7514864339.html,.tw/%7Ecjlin/papers/guide/data/可以下载到用来训练的数据集合用来测试的数据集，这都是一些简单的数据。 4运行python程序的环境配置 由于有可能使用到C:\libsvm-3.0\tools下的工具，所以的搭建相应的环境，下载两个软件python和gnuplot，下面说一下两个软件的下载地址和配置： a.对于python，下载地址在https://www.360docs.net/doc/7514864339.html,上寻找下载，目前版本是3.2的，但是我用的是2.6的，测试成功。安装就默认安装在C:\就行，记得将C:\Python26添加到系统环境变量中。另外将C:\Python26中的python.exe添加到C:\libsvm-3.0\windows下面即可。 b.对于gnuplot，下载地址在https://www.360docs.net/doc/7514864339.html,/。目前最新版本是4.4.3。他不用安装，直接解压放到C：\根目录即可。（这注：部分不需要了）。 c.下载gp440win32.zip，在网址https://www.360docs.net/doc/7514864339.html,/fileview_352799.html下载，这个解压放到C盘根目录，然后拷贝C:\gnuplot\binary中的gnuplot.exe放到C:\libsvm-3.0\windows 下面即可。 5LIBSVM使用的一般步骤 1）按照LIBSVM软件包所要求的格式准备数据集 2）对数据进行简单的缩放操作； 3）首要考虑选用RBF核函数； 4）采用交叉验证选择最佳参数C与g； 5）采用最佳参数C与g对整个训练集进行训练获取支持向量机模型； 6）利用获取的模型进行测试与预测。
1-6 lib-svm 经典使用 理论和介绍 工具用法 grid.py easy.py等
1 https://www.360docs.net/doc/7514864339.html,/flydreamGG/archive/2009/08.aspx https://www.360docs.net/doc/7514864339.html,/flydreamGG/archive/2009/08.aspx LibSVM学习（一）——初识LibSVM 收藏 LibSVM是台湾林智仁(Chih-Jen Lin) 教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。 这套库可以从https://www.360docs.net/doc/7514864339.html,.tw/~cjlin/免费获得，目前已经发展到2.89版。下载.zip格式的版本，解压后可以看到，主要有5个文件夹和一些c++源码文件。 Java ——主要是应用于java平台； Python ——是用来参数优选的工具，稍后介绍； svm-toy ——一个可视化的工具，用来展示训练数据和分类界面，里面是源码，其编译后的程序在windows文件夹下； tools ——主要包含四个python文件，用来数据集抽样(subset)，参数优选（grid），集成测试(easy), 数据检查(checkdata)； windows ——包含libSVM四个exe程序包，我们所用的库就是他们，里面还有个heart_scale，是一个样本文件，可以用记事本打开，用来测试用的。 其他.h和.cpp文件都是程序的源码，可以编译出相应的.exe文件。其中，最重要的是svm.h和svm.cpp文件，svm-predict.c、svm-scale.c和svm-train.c（还有一个svm-toy.c在svm-toy文件夹中）都是调用的这个文件中的接口函数，编译后就是windows下相应的四个exe程序。另外，里面的README 跟FAQ 也是很好的文件，对于初学者如果E文过得去，可以看一下。 下面以svm-train为例，简单的介绍下，怎么编译：（这步很简单，也没必要，对于仅仅使用libsvm库的人来说，windows下的4个exe包已经足够了，之所以加这步，是为了
libsvm函数库使用说明
libsvm函数库使用说明 本文大部分来自Felomeng的翻译，原文是《Felomeng翻译：libsvm2.88之函数库的使用》。 2.88版本的README文件和libsvm 3.0的README文件差不多，3.0版本的README见这里：https://www.360docs.net/doc/7514864339.html,/4001-libsvm3.0_README Library Usage ============= 这些函数和结构都在头文件“svm.h”中有声名。你需要在你的C/C++源文件中添加#include “svm.h”语句，在连接时需要将你的程序与svm.cpp连接。具体使用方法可以参考“svm-train.c”和“svm-predict.c”的使用示例。在文件svm.h中使用LIBSVM_VERSION定义了版本号，以便读者查阅。 在对测试数据进行分类之前，需要先使用训练数据建立一个支持向量模型。模型可以以文件的形式存储以备以后使用。一旦建立好了支持向量机模型，就可以用它来对新的数据进行分类了。 -函数：struct svm_model *svm_train(const struct svm_problem *prob, const struct svm_parameter *param); 这个函数根据给定的参数和训练数据构建并返回一个支持向量机模型。 结构体svm_problem将问题形式化： struct svm_problem { int l; double *y; struct svm_node **x; }; 其中“l”表示训练数据的实例数，而“y”是一个数组，用于存放它们的目标值。（类型值用整型数据，回归值用实数）“x”是一个数组指针，每一个指针指向一个稀疏的训练向量（即一个svm_node数组）。 例如，如果我们有如下的训练数据： LABEL ATTR1 ATTR2 ATTR3 ATTR4 ATTR5 ----- ----- ----- ----- ----- -----
svmdoc 使用说明
Support Vector Machines? The Interface to libsvm in package e1071 by David Meyer FH Technikum Wien,Austria David.Meyer@https://www.360docs.net/doc/7514864339.html, March16,2014 “Hype or Hallelujah?”is the provocative title used by Bennett&Campbell (2000)in an overview of Support Vector Machines(SVM).SVMs are currently a hot topic in the machine learning community,creating a similar enthusiasm at the moment as Arti?cial Neural Networks used to do before.Far from being a panacea,SVMs yet represent a powerful technique for general(nonlinear)classi-?cation,regression and outlier detection with an intuitive model representation. The package e1071o?ers an interface to the award-winning1C++-implementation by Chih-Chung Chang and Chih-Jen Lin,libsvm(current ver-sion:2.6),featuring: C-andν-classi?cation one-class-classi?cation(novelty detection) -andν-regression and includes: linear,polynomial,radial basis function,and sigmoidal kernels formula interface k-fold cross validation For further implementation details on libsvm,see Chang&Lin(2001). Basic concept SVMs were developed by Cortes&Vapnik(1995)for binary classi?cation.Their approach may be roughly sketched as follows: Class separation:basically,we are looking for the optimal separating hyper-plane between the two classes by maximizing the margin between the classes’closest points(see Figure1)—the points lying on the boundaries are called support vectors,and the middle of the margin is our optimal separating hyperplane; ?A smaller version of this article appeared in R-News,Vol.1/3,9.2001 1The library won the IJCNN2001Challenge by solving two of three problems:the Gener-alization Ability Challenge(GAC)and the Text Decoding Challenge(TDC).For more infor-mation,see:https://www.360docs.net/doc/7514864339.html,.tw/~cjlin/papers/ijcnn.ps.gz. 1
libsvm的安装使用操作手册
Libsvm工具箱和Lssvm工具箱是svm实现中比较不错的两个工具箱， https://www.360docs.net/doc/7514864339.html,/soft/59793.html libsvm工具箱官网下载 https://www.360docs.net/doc/7514864339.html,/f/19658075.html新浪也有对应的下载，但是版本不同，都可以用。 下载下来的Libsvm都有如下内容： 从3.1版本开始，官方将matlab平台、java平台、python平台以及C++平台整合到一个文件夹下，下载这一个文件夹可以在以上平台上使用。其中matlab平台上有如下内容： 其中svmtrain.c和svmpredict.c是核心函数。 Matlab平台下的libsvm的安装过程如下：以下是将Libsvm工具箱所在的文件夹添加到matlab工作搜索目录（路径）：——File——Setpath——Add with Subfoders。对应的界面的截图如图所示：
选择刚才下载的工具箱的文件夹。这里需要解释下的是，我们刚才选择的是Add with Subfolders而不是Add folder原因是Add with Subfolders可以将文件夹下的子文件夹都添加在其中，而Add Folder不能添加子文件夹。之后可以看到我们已经将libsvm的文件夹以及 它的子文件夹都添加到了matlab的Set Path中。接着点击按钮，然后点击 按钮关闭窗口，接下来就可以在setpath中看到对应的文件夹（路径）了。 在Current Directory就是当前目录，将当前目录调整到放libsvm工具箱的子目录中。如图所示：点击浏览按钮，选择相应的文件夹
Lib-SVM使用说明
许多想用lib-svm解决分类或者回归的初学者可能像我一样一开始摸不着头绪。面对长篇的english，头都大了。有好心人把自己的经验总结了，我们就一起共享吧！ 附录 1 ： LIBSVM 的简单介绍 1. LIBSVM 软件包简介 LIBSVM 是台湾大学林智仁 (Chih-Jen Lin) 博士等开发设计的一个操作简单、易于使用、快速有效的通用 SVM 软件包，可以解决分类问题（包括 C- SVC 、 n - SVC ）、回归问题（包括 e - SVR 、 n - SVR ）以及分布估计（ one-class-SVM ）等问题，提供了线性、多项式、径向基和 S 形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。 LIBSVM 是一个开源的软件包，需要者都可以免费的从作者的个人主页 https://www.360docs.net/doc/7514864339.html,.tw/~cjlin/ 处获得。他不仅提供了 LIBSVM 的 C++ 语言的算法源代码，还提供了 Python 、 Java 、 R 、 MATLAB 、Perl 、 Ruby 、 LabVIEW 以及 C#.net 等各种语言的接口，可以方便的在 Windows 或 UNIX 平台下使用，也便于科研工作者根据自己的需要进行改进（譬如设计使用符合自己特定问题需要的核函数等）。另外还提供了 WINDOWS 平台下的可视化操作工具 SVM-toy ，并且在进行模型参数选择时可以绘制出交叉验证精度的等高线图。 2. LIBSVM 使用方法简介 LIBSVM 在给出源代码的同时还提供了 Windows 操作系统下的可执行文件，包括：进行支持向量机训练的 svmtrain.exe ；根据已获得的支持向量机模型对数据集进行预测的svmpredict.exe ；以及对训练数据与测试数据进行简单缩放操作的 svmscale.exe 。它们都可以直接在 DOS 环境中使用。如果下载的包中只有 C++ 的源代码，则也可以自己在 VC 等软件上编译生成可执行文件。 LIBSVM 使用的一般步骤是： 1 ）按照 LIBSVM 软件包所要求的格式准备数据集； 2 ）对数据进行简单的缩放操作； 3 ）考虑选用 RBF 核函数 2 K(x,y) e x y = -g - ； 4 ）采用交叉验证选择最佳参数 C 与 g ； 5 ）采用最佳参数 C 与 g 对整个训练集进行训练获取支持向量机模型； 6 ）利用获取的模型进行测试与预测。 一 . LIBSVM 使用的数据格式 LIBSVM 使用的训练数据和测试数据文件格式如下： ：：< value2> … 其中是训练数据集的目标值，对于分类，它是标识某类的整数 ( 支持多个类 ) ；对于回归，是任意实数。是以 1 开始的整数，表示特征的序号；为实数，也就是我们常说的特征值或自变量。当特征值为 0 时，特征序号与特征值 value 都可以同时省略，即 index 可以是不连续的自然数。与第一个特征序号、前一个特征值与后一个特征序号之间用空格隔
(3)SVM_GUI_2.0的使用方法
[原创]SVM_GUI_2.0[mcode][by_faruto] 【图片掠影】 2010-8-16 20:05 上传 下载附件(90.4 KB)
【内容简介】 SVM_GUI v2.0 Based on libsvm-FarutoUltimate3.0 ====================================支持右键存储图片 一点使用说明： 1 此SVM_GUI是基于libsvm-FarutoUltimate3.0，所以你需要实现安装该工具箱。会用libsvm- FarutoUltimate的朋友，这个GUI一看就会用，里面的参数的输入就是原来libsvm- FarutoUltimate里面的输入要求，不多说了。 2 关于数据载入（load） ================= 目前只能载入.mat文件，分类问题里面需要含有以下变量(格式要求都和libsvm一样不多说) train_data train_label test_data teat_label 注：变量名需要是上述的名字，测试集和标签没有也行，即只有 train_data，train_label也可，程序会默认认为测试集和训练集一样。 ================= 目前只能载入.mat文件，回归问题里面需要含有以下变量(格式要求都和libsvm一样不多说) train_x train_y test_x teat_y 注：变量名需要是上述的名字，测试集和标签没有也行，即只有 train_x，train_y也可，程序会默认认为测试集和训练集一样
3 关于保存数据（save） 可以将如下的变量进行保存 train_data (train_x) train_label (train_y) test_data (test_x) teat_label (test_y) Model %SVM模型 pretrain %预测的训练集标签(因变量) pretest %预测的测试集标签(因变量) 【补充说明】