libsvm matlab 2013a for mac10.9 配置

新装matlab2013a 第一次安装 也是一个菜鸟 因为要用libsvm 做一些数据处理 才想起用matlab 好了 进入正题 

在网上已经有很多 关于libsvm 的安装方法了 我这里就不详述了 给一个链接 点击打开链接 在完成以上步骤之后 我发现无法成功编译libsvm 显示发现不了编辑器,因为网上的版本都太老了,所以在新的mac10.9和xcode5.02下无法成功编译,之后再matlab官网的评论里找到了大神的解答,虽说不太正规但程序真的运行了,原网址在这里 安完Matlab 后打开 

/Users/<myname>/.matlab/R2013a/mexopts.sh 
在这个文件的底部,就是下图中的位置

CC='llvm-gcc'  
CXX='llvm-g++'
SDKROOT='/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.9.sdk/'
按照上面的样子该,图片上已经是改过的,你会发现就是把版本号改了,还有MacOX10.8.sdk改了,好像说是把gcc改为最新的版本号不能成功编译,所以还是把版本号删了吧。
之后在按照网上攻略上说的一步步走吧,mex -setup。。。等等。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
libsvm matlab 是一个用于实现监督传输稀疏编码(STSC)算法的MATLAB工具。它使用LIBSVM和LIBLINEAR进行预测。通过简单地运行代码,可以使用make命令来使用该工具。 在使用libsvm matlab进行训练和测试数据的处理时,有两种常见的归一化方法。第一种方法是将训练数据和测试数据整体归一化到[0, 1]的范围,通过使用mapminmax函数进行处理。这种方法可以获得61%的分类精度。 另一种方法是将训练数据和测试数据分别归一化到[0, 1]的范围。首先,使用mapminmax函数对训练数据进行处理,然后设置映射函数的范围参数为0和1。接着对测试数据进行相同的处理。这种方法可以获得88%的分类精度。 因此,使用libsvm matlab时,可以根据需求选择适合的归一化方法来处理训练数据和测试数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [libsvmmatlab代码-stsc:监督传输稀疏编码](https://download.csdn.net/download/weixin_38514660/19684962)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [SVM多分类问题 libsvmmatlab中的应用](https://blog.csdn.net/lwwangfang/article/details/52355062)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值