具体的安装及使用请参考这篇https://blog.csdn.net/qq_31781741/article/details/82666861
我在这里简要地解释下libsvm包内自带地README文件中解释地livsvm的用法。
在matlab下:
[label_vector,instance_martix] = libsvmread(‘data.txt’)
返回两个输出,一是标签,一是实例矩阵,这两个可以作为训练和预测的输入
model = svmtrain(training_label_vector,training_instance_martix [,‘libsvm_options’]);
-training_label_vector:必须是一个mx1的double型向量
-training_instance_martix:一个mxn的double型向量,其中m是训练的实例数,n是特征数。
-libsvm_options:这一项是非必须的。
[predicted_label,accuracy,decision_values/prob_estimates] = svmpredict(testing_label_vector,testing_instance_martix,model [,‘libsvm_options’]);
-testing_label_vector:一个mx1的测试向量,必须是double型
-testing_instance_martix:一个mxn的测试矩阵,double型,m个实例,n个特征
-model:svm输出的模型
这个函数将返回模型的结构
svmpredict函数的输出有三个,第一个predict_label是一个预测标签的矩阵,第二个accuracy是包括了分类的精度、均值在内的向量,第三个是包含了决策和概率估计值在内的向量。如果k是训练集里类的数量&