SVM实现多分类：libsvm的安装以及使用

由于要用SVM实现多分类，而matlab自带的SVM只能实现二分类，使用libsvm就可以实现多分类，下载地址如下：

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

/-------------------------------------------------安装-------------------------

下载完成后解压到matlab目录：D:\MATLAB2013\toolbox下面,然后切换workspace到这个目录，然后在命令行里面输入：mex -setup，选择编译器。

然后将当前目录设置成：D:\MATLAB2013\toolbox\libsvm-3.21\matlab

在命令行里面输入：make，这个时候你会看到当前目录生成了四个二进制文件：

libsvmread.mexw64

libsvmwrite.mexw64

svmpredict.mexw64

svmtrain.mexw64

将当前目录添加到matlab路径即可。

/-------------------------------------------------使用-------------------------

注意到D:\MATLAB2013\toolbox\libsvm-3.21目录下有一个数据文件，名称为heart_scale，是一个libsvm的数据文件，可使用libsvmread将其转换为matlab格式，可使用如下文件测试：

clc;
clear;
[heart_scale_label,heart_scale_inst]=libsvmread('heart_scale');
model = svmtrain(heart_scale_label,heart_scale_inst) 
[predict_label,accuracy,dec_values] = svmpredict(heart_scale_label,heart_scale_inst,model)

在workspace输出如下：

model = 

    Parameters: [5x1 double]
      nr_class: 2
       totalSV: 132
           rho: 0.4245
         Label: [2x1 double]
    sv_indices: [132x1 double]
         ProbA: []
         ProbB: []
           nSV: [2x1 double]
       sv_coef: [132x1 double]
           SVs: [132x13 double]

Accuracy = 86.6667% (234/270) (classification)

代表运行成功，就可以在matlab中使用libsvm了！

以下为自定义数据测试：

% X为300*2 矩阵 2个特征 300个样本
group=zeros(300,1);
for i=1:300
    if i<=100 %第一类
    group(i)=1;
    else if i<=200 %第二类
    group(i)=2;
    else
    group(i)=3; %第三类
        end
    end
end
svmStruct=svmtrain(group,X,'-s 0 -t 2 -c 1.2 -g 2.8')%train
[predict_label, accuracy, dec_values] =svmpredict(group, X, svmStruct) % test

输出如下代表运行成功：

svmStruct = 

    Parameters: [5x1 double]
      nr_class: 3
       totalSV: 144
           rho: [3x1 double]
         Label: [3x1 double]
    sv_indices: [144x1 double]
         ProbA: []
         ProbB: []
           nSV: [3x1 double]
       sv_coef: [144x2 double]
           SVs: [144x2 double]

Accuracy = 100% (300/300) (classification)

其中Accuracy代表识别精度，这里为100%，因为这里把训练数据作为了测试数据。