浅谈libsvm3.21，matlab编程各个参数作用

最近在研究matlab的libsvm的包，SVM相比神经网络等传统回归、分类算法更吸引人的地方在于加入了置信风险，神经网络算法权重的指导在于经验风险，分经验风险往往不能正真反映实际情况，可能样布分布不均匀，抑或样本量太少。因此掌握SVM的应用可以好好进行对比。

1、首先你需要下载livsvm的工具包，在网上搜索都有，如果没有的话，我上传了一份点击打开链接

2、将MATLAB工作目录进入 libsvm-3.21->进入matlab

3、命令窗输入：mex -setup 随便选一个编译器，我用的是vs2010

4、命令窗输入：make

如果显示编译成功，就成功咯。

好了，我们看看如何调参。

输入下方代码在脚本，记得把libsvm-3.21下的heart_scale数据包复制到matlab文件夹下，否则打不开。

[heart_scale_label, heart_scale_inst] = libsvmread('heart_scale');
model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_