libsvm使用

在matlab中将libsvm安装完成后，就可以来尝试用一下啦。详细用法可以看文件夹中的README文件，这里主要介绍两个函数svmtrain()和svmpredict()。

svmtrain用法：

model = svmtrain(train_label, train_matrix, ['libsvm_options']); 根据输入的训练样本建立一个模型,该模型用来进行predict

train_label: 一个m*1的矢量，存着label值，矢量中数值类型必须为double型。

     所谓label即为分类的类别，train_matrix中的各行数据分别对应着train_label中相应行的一个label值，表示本行中的特征值属于label值标注的这一类。

train_matrix: 一个m*n的矩阵，数值类型也必须为double型。每一行都存着一组n维特征值向量，每一行表示一个样本，每一列表示一种特征。

libsvm_options: 调整参数生成不同的model可以影响svmpredict的准确率

      -c cost 对于错分的惩罚参数

            -g gama 核函数的参数之一 

svmpredict用法：

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

predicted_label: 预测的标签，可以用来与test_label比对，从而计算准确率accuracy。decision_values/prob_estimates用于回归问题，分类问题中用不到。

test_label: 测试集用的标签，若没有则输入任意随机值。

test_matrix: 测试数据

model: svmtrain生成的模型

遇到的问题：

按网上教程使用命令[predicted_label, accuracy] = svmpredict(test_label, test_matrix, model)，结果提示用法不正确，后来改成[predicted_label, accuracy, decision_values] = svmpredict(test_label, test_matrix, model)即可得到正确结果，估计是libsvm版本更新后最后一个返回值不能省略了。