matlab下的LIBSVM的使用
Matlab安装使用libsvm
Would you like mex to locate installed compilers [y]/n?n %这次是选择编译器，输入n，选择自定义的编译器
出现以下选项（因电脑而异）
Select a compiler:
[1] Intel C++ 11.1 (with Microsoft Visual C++ 2008 SP1 linker)
Accuracy = 86.6667% (234/270) (classification)% done
如果运行正常并生成了model这个结构体（其中保存了所有的支持向量及其系数），那么说明 libsvm和matlab 之间的接口已经完全配置成功。
注意：
1. matlab自带了C编译器Lcc-win32C，但是libsvm原始版本是C++实现的，因此需要C++的编译器来编译，这就是不适用matlab默认编译器而选择其他C++编译器的原因。
[2] Intel Visual Fortran 11.1 (with Microsoft Visual C++ 2008 SP1 linker)
[3] Intel Visual Fortran 11.1 (with Microsoft Visual C++ 2008 Shell linker)
Matlab安装使用libsvm
一．下载libsvm
.tw/~cjlin/libsvm/
在libsvm的网站上下载 libsvm-3.12.zip文件，解压后放在任意目录下，最好放在MATLAB工具箱中，比如 C:\Program Files\MATLAB\R2011a\toolbox\libsvm-3.12下。
Matlab下libsvm的配置使用【转】
Matlab下libsvm的配置使⽤【转】LIBSVM是⼀个由台湾⼤学林智仁(Lin Chih-Jen)教授等开发的SVM模式识别与回归的软件包，使⽤简单，功能强⼤，能够在matlab中使⽤。
⼀、安装1.下载在LIBSVM的主页上下载最新版本的软件包（libsvm-3.20），并解压到合适⽬录中。
2.编译如果你使⽤的是64位的操作的系统和Matlab，那么不需要进⾏编译步骤，因为⾃带软件包中已经包含有64位编译好的版本：libsvmread.mexw64、libsvmwrite.mexw64、svmtrain.mexw64、svmpredict.mexw64。
否则，需要⾃⼰编译⼆进制⽂件。
⾸先在matlab中进⼊LIBSVM根⽬录下的matlab⽬录（如C:\libsvm-3.20\matlab），在命令窗⼝输⼊>>mex -setup然后Matlab会提⽰你选择编译mex⽂件的C/C++编译器，就选择⼀个已安装的编译器。
之后Matlab会提⽰确认选择的编译器，输⼊y进⾏确认。
然后可以输⼊以下命令进⾏编译。
>>make注意，Matlab或VC版本过低可能会导致编译失败，建议使⽤最新的版本。
编译成功后，当前⽬录下会出现若⼲个后缀为mexw64（64位系统）或mexw32（32位系统）的⽂件。
3.重命名（可选，但建议执⾏）编译完成后，在当前⽬录下回出现svmtrain.mexw64、svmpredict.mexw64（64位系统）或者svmtrain.mexw32、svmpredict.mexw32（32位系统）这两个⽂件，把⽂件名svmtrain和svmpredict相应改成libsvmtrain和libsvmpredict。
这是因为Matlab中⾃带有SVM的⼯具箱，⽽且其函数名字就是svmtrain和svmpredict，和LIBSVM默认的名字⼀样，在实际使⽤的时候有时会产⽣⼀定的问题，⽐如想调⽤LIBSVM的变成了调⽤Matlab SVM。
matlab中使用libsvm的使用方法
前段时间，gyp326曾在论坛里问libsvm如何在matlab中使用，我还奇怪，认为libsvm是C 的程序，应该不能。
没想到今天又有人问道，难道matlab真的能运行libsvm。
我到官方网站看了下，原来，真的提供了matlab的使用接口。
接口下载在：.tw/~cjlin/libsvm/index.html#matlab具体使用方法zip文件里有readme说明，我也按照说明尝试的试用了一下，方法介绍如下。
使用的接口版本：MATLABA simple MATLAB interfaceLIBSVM authors at National Taiwan University.2.89 .tw/~cjlin/libsvm/matlab/libsvm-mat-2.89-3.zip使用的运行环境为：matlab 7.0，VC++ 6.0，XP系统。
按照说明使用方法如下：1. 下载下来的借口包里有svm的一些源文件，没有可执行的exe文件，所以，必须先将svmtrain等源文件编译为matlab可以使用的dll等文件。
于是先选择编译器，如下：（也可以先尝试使用我们在windows平台下编译好的文件，放在同一文件夹中直接使用：/bbs/viewthread.php?tid=538&page=1&fromuid=3#pid1154）>> mex -setupPlease choose your compiler for building external interface (MEX) files:Would you like mex to locate installed compilers [y]/n? ySelect a compiler:[1] Digital Visual Fortran version 6.0 in C:\Program Files\Microsoft Visual Studio[2] Lcc C version 2.4 in D:\MATLAB7\sys\lcc[3] Microsoft Visual C/C++ version 6.0 in D:\Program Files\Microsoft Visual Studio[0] NoneCompiler: 3Please verify your choices:Compiler: Microsoft Visual C/C++ 6.0Location: D:\Program Files\Microsoft Visual StudioAre these correct?([y]/n): yTry to update options file: C:\Documents and Settings\jink2005.AISEMINA-D6623E\Application Data\MathWorks\MATLAB\R14\mexopts.batFrom template: D:\MATLAB7\BIN\WIN32\mexopts\msvc60opts.batDone . . .我选择使用VC 6.0，其他可能不行。
libsvm参数说明
libsvm参数说明（实用版）目录1.引言2.LIBSVM 简介3.LIBSVM 参数说明4.使用 LIBSVM 需要注意的问题5.结束语正文1.引言支持向量机（Support Vector Machine, SVM）是一种非常强大和灵活的监督学习算法，它可以用于分类和回归任务。
在 SVM 的研究和应用中，LIBSVM 是一个非常重要的工具，它为 SVM 的实现和应用提供了强大的支持。
本文将对 LIBSVM 的参数进行详细的说明，以帮助读者更好地理解和使用这个工具。
2.LIBSVM 简介LIBSVM 是一个开源的 SVM 实现库，它提供了丰富的功能和接口，可以支持多种操作系统，包括 Windows、Linux 和 Mac OS 等。
LIBSVM 主要包括三个部分：svm-train、svm-predict 和 svm-plot。
svm-train 用于训练 SVM 模型，svm-predict 用于预测新数据，svm-plot 用于绘制各种图表，以便于观察和分析模型性能。
3.LIBSVM 参数说明LIBSVM 的参数设置对于模型的性能至关重要。
以下是一些常用的参数及其说明：- -train：用于指定训练数据的文件名。
- -test：用于指定测试数据的文件名。
- -model：用于指定模型文件的名称。
- -参数：用于设置 SVM 模型的参数，例如 C、核函数等。
- -cache-size：用于设置缓存大小，以加速训练过程。
- -tolerance：用于设置收敛阈值，控制训练过程的终止条件。
- -shrinking：用于设置是否使用启发式方法进行训练。
- -probability：用于设置是否计算预测概率。
4.使用 LIBSVM 需要注意的问题在使用 LIBSVM 时，需要注意以下问题：- 设置合适的参数：LIBSVM 的参数设置对模型性能有很大影响，需要根据具体问题和数据集进行调整。
- 特征选择：在实际应用中，特征选择对于模型性能至关重要。
libsvm参数说明
libsvm参数说明摘要：一、libsvm 简介- 什么是libsvm- libsvm 的作用二、libsvm 参数说明- 参数分类- 参数详细说明- 核函数参数- 松弛参数- 惩罚参数- 迭代次数参数- 其他参数三、libsvm 参数调整- 参数调整的重要性- 参数调整的方法正文：【libsvm 简介】libsvm 是一款广泛应用于机器学习领域的开源软件，全称是“LIBSVM”，它提供了支持向量机（SVM）的完整实现，可以用于分类和回归等多种任务。
libsvm 不仅支持常见的数据集格式，还提供了丰富的API 接口，方便用户进行二次开发和应用。
libsvm 的主要作用是帮助用户解决高维数据分类和回归问题。
在面对高维数据时，传统的分类算法可能会遇到“维数灾难”，导致分类效果不佳。
而libsvm 通过使用核函数技术，将高维数据映射到低维空间，从而有效地解决了这个问题。
【libsvm 参数说明】libsvm 提供了丰富的参数供用户调整，以达到最佳分类效果。
这些参数主要分为以下几类：1.核函数参数：包括核函数类型（如线性核、多项式核、径向基函数核等）和核函数参数（如径向基函数核的核径宽）。
2.松弛参数：用于控制分类间隔的大小，对最终分类结果有一定影响。
3.惩罚参数：控制模型对误分类的惩罚力度，对分类效果有重要影响。
4.迭代次数参数：控制支持向量机算法的迭代次数，影响模型的收敛速度。
5.其他参数：如学习率、最小化目标函数的迭代次数等。
【libsvm 参数调整】参数调整是libsvm 使用过程中非常重要的一环，合适的参数设置可以使模型达到更好的分类效果。
参数调整的方法主要有以下几种：1.网格搜索法：通过遍历参数空间的各个点，找到最佳参数组合。
这种方法适用于参数空间较小的情况。
2.随机搜索法：在参数空间中随机选取一定数量的点进行遍历，找到最佳参数组合。
这种方法适用于参数空间较大，且网格搜索法效果不佳的情况。
3.贝叶斯优化法：利用贝叶斯理论，对参数进行加权调整，以提高搜索效率。
libsvm参数说明
libsvm参数说明【原创版】目录1.概述2.安装与配置3.参数说明4.应用实例5.总结正文1.概述LIBSVM 是一个开源的支持向量机（SVM）算法库，它可以在多种平台上运行，包括 Windows、Linux 和 Mac OS。
LIBSVM 提供了一系列用于解决分类和回归问题的工具和算法，它的核心是基于序列最小化算法的支持向量机。
2.安装与配置在使用 LIBSVM 之前，需要先安装它。
在 Windows 平台上，可以直接下载LIBSVM 的二进制文件，然后设置环境变量。
对于 Linux 和 Mac OS 平台，需要先安装相应的依赖库，然后编译并安装 LIBSVM。
在安装完成后，需要配置 LIBSVM 的参数，包括选择核函数、设置惩罚参数等。
这些参数对于支持向量机的性能至关重要，需要根据实际问题进行调整。
3.参数说明LIBSVM 的参数主要包括以下几个方面：- 核函数：LIBSVM 支持多种核函数，包括线性核、多项式核、径向基函数（RBF）核和 Sigmoid 核。
核函数的选择取决于问题的性质，需要根据实际问题进行选择。
- 惩罚参数：惩罚参数用于控制模型的复杂度，避免过拟合。
惩罚参数的取值范围是 0 到 1，取值越小，模型的复杂度越高，过拟合的风险也越高。
- 迭代次数：迭代次数用于控制算法的收敛速度，取值越大，收敛速度越快，但可能会影响模型的精度。
- 随机种子：随机种子用于生成随机数，影响模型的初始化和迭代过程。
在实际应用中，建议设置随机种子，以保证模型的可重复性。
4.应用实例LIBSVM 在实际应用中可以用于多种问题，包括分类、回归和排序等。
例如，在人脸检测、车牌识别和文本分类等问题中，可以使用 LIBSVM 来实现支持向量机算法。
5.总结LIBSVM 是一个功能强大的支持向量机库，它提供了多种核函数和参数设置，可以用于解决多种实际问题。
第1页共1页。
libsvm安装教程matlab中使用(详细版)
libsvm安装教程（详细版）（本机matlab版本16b）第一步，把libsvm放到工具箱toolbox中。
把libsvm安装包解压，并放入matlab程序文件中toolbox中。
运行matlab程序，点击主页，找到布局旁边的设置路径，并点击设计路径选择添加并包含子文件，找到toolbox下面的libsvm添加即可，并点击保存。
第二步更新工具箱找到布局旁边的预测按钮，并点击预设按钮。
找到常规，选择更新工具箱路径缓存，并点击应用，最后点击确定。
第三步，更改libsvm文件在matlab文件行，打开如下地址：D:\B\toolbox\libsvm-3.24\matlab打开make.m文件，将make.m中的CFLAGS改为COMPFLAGS。
注：因为matlab中有自带的svm，为了防止libsvm和自带的svm发生冲突，所以将D:\B\toolbox\libsvm-3.24\matlab中将svmtrian.c和svmpredic.c前面加入lib，相应的make.m文件中也做修改第四步，安装编译器编译器采用最新版tdm64-gcc-9.2.0，安装教程很简单选择Creat，保存路径直接选择C盘即可，C:\TDM-GCC-64。
第五步，使用matlab读取C语言程序。
Matlab文件行调整到此目录下D:\B\toolbox\libsvm-3.24\matlab 并在命令行窗口输入：setenv('MW_MINGW64_LOC','C:\TDM-GCC-64')make点击回车，当命令行窗口出现：使用'MinGW64 Compiler (C)' 编译。
MEX 已成功完成。
使用'MinGW64 Compiler (C)' 编译。
MEX 已成功完成。
使用'MinGW64 Compiler (C)' 编译。
MEX 已成功完成。
LIBSVM使用方法
LIBSVM使用方法1libsvm简介2libsvm使用方法libsvm就是以源代码和可执行文件两种方式得出的。
如果就是windows系列操作系统，可以轻易采用软件包提供更多的程序，也可以展开修正编程；如果就是unix类系统，必须自己编程，软件包中提供更多了编程格式文件，我们在sgi工作站(操作系统irix6.5)上，采用免费编译器gnuc++3.3编程通过。
2.1libsvm使用的一般步骤：1)2)3)4)5)6)按照libsvm软件包所建议的格式准备工作数据集；对数据展开直观的翻转操作方式；考量采用rbf核函数；使用交叉检验挑选最佳参数c与g；使用最佳参数c与g对整个训练集展开训练以获取积极支持向量机模型；利用以获取的模型展开测试与预测。
2.2libsvm使用的数据格式该软件采用的训练数据和检验数据文件格式如下：::...其中就是训练数据集的目标值，对于分类，它就是标识某类的整数(积极支持多个类)；对于重回，就是任一实数。
就是以1已经开始的整数，可以就是不已连续的；为实数，也就是我们常说道的自变量。
检验数据文件中的label只用作排序准确度或误差，如果它就是未明的，只需用一个数核对这一栏，也可以空着不填上。
在程序包中，还包括存有一个训练数据实例：heart_scale，便利参照数据文件格式以及练采用软件。
可以撰写大程序，将自己常用的数据格式转换成这种格式。
2.3svmtrain和svmpredict的用法svmtrain(训练建模)的用法：svmtrain[options]training_set_file[model_file]options：需用的选项即为则表示的涵义如下-ssvm类型：svm设置类型(默认0)0--c-svc1--v-svc2–一类svm3--e-svr4--v-svr-t核函数类型：核函数设置类型(默认2)0–线性：u'v1–多项式：(r*u'v+coef0)^degree2–rbf函数：exp(-r|u-v|^2)3–sigmoid：tanh(r*u'v+coef0)-ddegree：核函数中的degree设置(预设3)-gr(gama)：核函数中的?函数设置(默认1/k)-rcoef0：核函数中的coef0设置(预设0)-ccost：设置c-svc，?-svr和?-svr的参数(默认1)-nnu：设置?-svc，一类svm和?-svr的参数(预设0.5)-pe：设置?-svr中损失函数?的值(默认0.1)-mcachesize：设置cache内存大小，以mb为单位(预设40)-eε：设置允许的终止判据(默认0.001)-hshrinking：与否采用启发式，0或1(预设1)-wiweight：设置第几类的参数c为weight?c(c-svc中的c)(默认1)-vn:n-fold可视化检验模式其中-g选项中的k是指输入数据中的属性数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
– 并提供了交互检验(Cross Validation)的功能
Company Logo
该软件包可在 .tw/~cjlin/ 免费获得。
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。
这里要说明matlab自带一个C编译器 Lcc_win32C，但此处需要C++编译器。
matlab支持的编译器列表： /support/compi
lers/R2011a/win32.html
Company Logo
选择编译器
mex -setup 命令
Company Logo
编译
make 命令
– 编译后文件夹中会出现多个svmtrain.mexw32、 svmpredict.mexw32等文件。
– .mexw32文件是加密文件，打开为乱码。 – 运行help对这些函数无效
然后便可使用工具箱
Company Logo
使用
参数设置 主要函数
Company Logo
测试数据及格式
测试数据集
– libsvm官方提供的测试数据格式是C++版本使用 的，需要使用libsvmread进行格式转换
– UCI数据集 –等
格式
– 标签 属性编号1:属性值1 属性编号2: 属性值2 – 如：+1 1:0.78 2:1 3:1 ........
Company Logo
总结--未来计划
精细的调节各种svm参数以达到更好的实验效 果
加入其他特征，并在试验阶段确定每种特征对 于各个类别的不同的权重，并把此作为先验知 识加入知识库。在后续的训练过程中，应用到 知识库中的这个知识。
Company Logo
Logo
Logo
matlab下的LIBSVM的使用
林子越
Contents
1. 简介 2. 安装 3. 使用 4. 总结
Company Logo
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。
– 该软件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
4
相关参数
-c（默认1，范围(0,+ )）
-n（默认0.5，范围(0,1]） -n（默认0.5，范围(0,1]）
-c（默认1，(0, + )） -p（默认0.1，(0, + )）
-c（默认1，(0, + )）
-n（默认0.5，(0,1]）
Company Logo
主要参数设置
-t(默认2)——选择核函数
Company Logo
主要参数设置
-wi：（默认1）
– 只能在模型C-SVC模型中使用 – 设置第几类的参数C的weight*C(C-SVC中的C) – 当某一类样本数目比较少时，可以给其设置较大的
惩罚参数，提高这一类样本的分类准确率。 – 如model=svmtrain(label,data,'-c 1 -w 1 2 -
– 0--线性核函数:u'*v – 1--多项式核函数:(gamma*u'*v+coef0)^degree
-g gamma(默认为属性数目的倒数) -r coef0(默认0) -d degree(默认3) – 2-- RBF核函数：exp(-gamma*|u-v|^2) -g gamma(默认为属性数目的倒数)——很敏感 – 3--sigmoid核函数：tanh(gamma*u'*v+coef0) -g gamma(默认为属性数目的倒数) -r coef0(默认0) – 4--预定义核函数(指定核矩阵)
Company Logo
安装
下载之后设置路径
– FILE——Set Path——Add with subfoders——选择所在 文件夹
Company Logo
选择编译器
libsvm的原始版本使用C++写的，为了在 matlab平台下使用，需要用C++编译器编译， 生成类似于.m文件的.mexw32文件。
Company Logo
主要参数设置
-s(默认0)——SVM类型选择
– 0--CSVC
（分类问题）
– 1--nu-SVC
（分类问题，引入一个新的参数nu）
– --one-class SVM（做分布估计）
– 3--epsilon-SVR （回归问题）
– 4--nu-SVR
-s参数 0 1 2 3
Company Logo
分类问题两个主要函数
svmtrain
– model=svmtrain(trainLabel,trainInstance, '参数')
svmpredict
– [predictLabel,accuracy,value]=svmpredict (testLabel,testInstance,model)
w -1 0.5')
标签1的样本惩罚参数为2 标签为-1的样本惩罚参数为0.5
Company Logo
主要参数设置
-v（一般选择5或10）
– 交叉检验，参数必须大于2 – 当使用此参数时，返回的结果不再是一个结构体
model
分类问题，返回的是交叉检验下的平均分类准且率 回归问题，返回的是交叉检验下的平均均方差误差