MATLAB libsvm 安装和使用

最近在学习SVM，在matlab上安装和使用Libsvm的过程中遇到了好多问题，在网上查看了许多资料，踩了许多坑。

整理一下供大家分享，希望能节省大家在安装过程中的时间。

一、安装

1.libsvm 下载

本人使用windows 10-64bits， Matlab 2016a，还下载了VS2017（这个稍后再说），下载最新版Libsvm 3.23，地址：https://www.csie.ntu.edu.tw/~cjlin/libsvm/。将zip文件解压到matlab/toolbox/（其他位置也可，但在使用时一定要将matlab路径调至该软件包处），如图。其中有java，matlab和python 三种版本，以及测试数据集heart_scale，和readme说明文件（内有Libsvm的参数说明，建议阅读，其中例子是在windows 命令行窗口运行的。）                                                    

2.设置路径

在matlab中设置路径

 

3.编译 

不要问我为啥要编译，我也是小白，在该步骤遇到了许多麻烦，给大家分享一下。

先来说一下编译步骤，在matlab命令行中输入mex -setup -v 查看一下电脑中有啥编译器

 

（若是能找到c++编译器，可直接尝试在命令行窗口输入make，执行make.m程序进行编译，完成后出现4个后缀为.mexw64文件）

（若没能找到C++编译器，编译失败或者一系列不明error，请参考下方谦恭的博客，按其步骤进行）

在最后终于找到了几个是，使用的是TDM-GCC-64编译器，这个是我额外下的。大家往上看Visual C++的编译的编译器只能找到2015，下了VS2017的我一脸懵逼。找了好多资料，说是matlab版本低了，行，大哥，被迫我又下了个matlab 2017b，嘿嘿，能出现C++2017的字了，但后面括号里还是否（一万只草泥马奔腾）。继续查资料，说是如果先装matlab，再装VS，可能是由于没配置环境的情况，会找不到编译器。想了想，我这不是后装了个新版本吗？ 看见贴吧里有大佬说正版的Matlab没毛病（额，穷孩子也想学点习），破解版的需要做一系列操作（计算机小白表示看不懂）。

直到看见了谦恭的博客https://blog.csdn.net/github_35807147/article/details/80725642，改用TDM-GCC编译器，在此对其表示感谢，该文章介绍了编译过程，并附有编译器下载地址，本文将不再叙述编译过程，大家可以转去参考。

4. 测试

按照网上最常见的测试方法，来进行一下测试。

将Libsvm文件下的测试数据集heart_scale复制到Libsvm\matlab下，后续的操作将在该文件夹下进行，同时将MATLAB工作路径转至该文件下（在MATLAB中也可完成文件的复制粘贴工作）。

在命令行窗口输入

[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);(该行代码也可以只有一个输出值predict_label，看到过一个测试教程里给了双输出值的模式，愣是跑不出来，最后在Libsvm\matlab\README中看见了格式，在此希望新手们仔细阅读Libsvm\README 和Libsvm\matlab\README,前者介绍svm的命令，后者介绍matlab下的语句规范)

至此，安装步骤结束，以下是使用介绍。

二、使用

以下是官方新手导论https://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf里的一段话，我简单翻译一下，英文好的请直接看原文。

• Test We propose that beginners try the following procedure first:  （我们建议新手尝试如下步骤）

• Transform data to the format of an SVM package                           （转换数据至SVM格式）

• Conduct simple scaling on the data                                                   （执行数据归一化）

• Consider the RBF kernel K(x, y) = e −γkx−yk 2                                    （考虑径向基核函数）

• Use cross-validation to find the best parameter C and γ                          （使用交叉检验找到最优的参数C和γ）

• Use the best parameter C and γ to train the whole training set5                 （使用最优的参数进行整个数据集的训练）

• Test                                                                                                                （测试）

1. 标准格式转换

做为新手的我决定老实按照指导来，然后就发现了问题，转换格式是什么鬼？又找了一波资料，发现我们需要FormatDataLibsvm.xls 这么一个表格。在百度上搜了一下，好多博主上传的资料都要5个c币，做为无产阶级的我表示扛不住。

在此附上本人的资源地址https://download.csdn.net/download/qq_31781741/10660504，惊天跳楼价，只需一个币，感谢父老乡亲捧场！！！

要是真没币就算了，没有什么能阻挡你学习的脚步，在此感谢DADADA开飞机的DATA提供的百度网盘http://pan.baidu.com/s/1eSKebYU，附上其简书博客地址https://www.jianshu.com/p/8dcde06319b1（我就是从该博客里找到的）。

输入简单的数据，如图：

注意：使用该表格时需要运行宏（我也不知道是啥东西），输入数据时最后一列为标签，转换完成后，标签转至第一列。本人使用word office 2013 ，在WPS时出现了不可预知的错误，一脸懵逼，幸好我俩个都有，将表格另存为txt格式文本（excel另存为有俩种txt格式，建议使用文本文件（制表格分割））。

2. 数据归一化

可以看见在libsvm-3.23\windows文件夹有一个svm-scale.exe 的执行程序，经测试该exe文件双击无法使用。

该应用程序需要在windows cmd 里运行（按住windows+r，输入cmd即可）。

将转换好的txt文本复制到该目录，将cmd里路径调至该文件夹（可将文件夹直接拖入cmd，手动输太xxx的长了）。

 

以a.txt为例，运行完成后，会在该文件目录下生成归一化的a1.txt文件，默认归一化范围（-1,1），详情可参考README文档，以下是归一化完成的文本和初始文本对比。

3. 训练以及预测

下面以回归预测为例，介绍一下训练及预测过程。

将归一化好的a1.txt文件复制到libsvm-3.23\matlab 目录下（原谅我一次又一次的复制粘贴，一切为了稳，稳，稳）。

[lable,im]=libsvmread('a1.txt');                              %读取文件
model=svmtrain(lable(1:300),im(1:300,:),'-s 4 -t 2 -c 1 -g 0.125');          %训练
[prelabel,accuracy,decision_values]=svmpredict(lable(301:600),im(301:600,:),model);                 %预测

 

至此，所有的流程结束，剩下的就是参数寻优的过程。

 

最后：

以此文献给正在学习SVM的傻妞，希望你能一切顺利。