matlab进行支持向量机（SVM）模型训练,Libsvm进行svm模型训练详解

在matlab中进行SVM模型训练，通常有两种选择：
注意：
a、如果matlab安装了LibSVM，在使用matlab自带的SVM时，需要进行搜索路径重新设定
     路径重新设定方法：在matlab软件主窗口中【主页】--【设置路径】移除所有与libsvm相关的路径。
        (需要时，再添加即可)

b、MATLAB2014a （64bit）建议安装libsvm-3.11版本，实测其它版本会有各种各样的问题

一、matlab自带的SVM进行模型训练
采用matlab自带的SVM，其主要用到的两个函数训练SVM模型函数  svmtrain();分类函数  svmclassify()

下面用经典Iris数据集进行分类为例，进行讲解

clear;
clc;
%%
%
%加载数据，Iris数据下载地址  http://archive.ics.uci.edu/ml/index.php
data=load('C:\Desktop\DeepLearningFloder\IrisSet.txt');  
label = [zeros(50,1);ones(50,1)];
%%
train_data = [data(1:25,1:2);data(51:75,1:2)];
train_label = [label(1:25,1);label(51:75,1)];
test_data = [data(26:50,1:2);data(76:100,1:2)];
test_label = [label(26:50,1);label(76:100,1)];

%% 建立模型并预测  采用matlab自带的
SVMSVMStruct=svmtrain(train_data,train_label,'showplot',true)    %注意matlab自带的svm可视化只能2-D显示
Group=svmclassify(SVMStruct,test_data,'showplot',true);
fprintf('使用svmclassify，正确率：%f\n' ,sum(Group==test_label)/size(test_label,1));  %计算正确率

二、安装libsvm-3.11版本 
采用libsvm，其主要用到的两个函数训练libsvm模型函数  svmtrain()；预测函数svmpredict();
下面用经典Iris数据集进行分类为例，进行讲解

load iris_new.data

iris_train_label=iris_new([1:40 51:90 101:140],end);%每类取40个数据作为训练，共120个训练数据
iris_train_data=iris_new([1:40 51:90 101:140],1:end-1);

iris_test_label=iris_new([41:50 91:100 141:150],end);%每类取10个数据作为测试，共30个测试数据
iris_test_data=iris_new([41:50 91:100 141:150],1:end-1);

model=svmtrain(iris_train_label,iris_train_data);
[iris_predict_label,iris_accuracy]=svmpredict(iris_test_label,iris_test_data,model);

注意：
由于matlab自带的模型训练函数和libsvm模型训练函数名称是一样的，为了防止使用中混乱出错，需要设置好路径。
安装了libsvm，如果想再退回使用matlab自带的svm，将libsvm路径删除即可。如果想再使用libsvm，再添加即