LIBSVM入门

LIBSVM提供了多语言（java、python和matlab）的SVM实现，可以便捷地处理分类或回归问题，本文记录基于matlab的LIBSVM学习笔记。

LIBSVM下载链接：https://github.com/cjlin1/libsvm
Windows系统下安装：预编译的mex文件存放在’…/windows’，需要将其复制到matlab文件夹下
matlab软件中编译：首先将libsvm所在的matlab文件夹及其子文件夹添加到matlab搜索路径中；然后在命令行中输入make编译得到’libsvmread.mex’, ‘libsvmwrite.mex’, ‘svmtrain.mex’, and
'svmpredict.mex’文件。

数据格式：[label] [index1]：[value1] [index2]：[value2] …
示例：

数据读取方式

[label_train, inst_train] = libsvmread('filePath');

其中：

label_train：训练标签，m*1矩阵（m表示样本数），类型必须为double；inst_train：训练实例，m*n矩阵（n表示样本的特征数），类型必须为double； 2.SVM模型训练

model = svmtrain(label_train, inst_train [, 'libsvm_options']);

其中：

libsvm_options：模型参数，string类型 libsvm_options -s 设置svm类型：

0 – C-SVC
1 – v-SVC
2 – one-class-SVM
3 –ε-SVR
4 – n - SVR

0 –线性核：u’v
1 –多项式核：(gu’v+coef0)degree
2 – RBF核：exp(-γ||u-v||2)
3 – sigmoid核：tanh(γ*u’*v+coef0)

示例：

model = svmtrain(label_train, inst_train, '-s 4 -t 2');

[predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(label_test, inst_test, model [, 'libsvm_options']);

示例：

[label_predicted, accuracy, dec_values] = svmpredict(label_test, inst_test, model)

[1] 勉旃，LIBSVM使用方法。
[2] AlanDreamer，matlab安装LIBSVM。