SVM分类器-libsvm（三）

   Libsvm工具箱的使用：

   一、安装Libsvm

    下载libsvm，然后安装即可，可以参考http://blog.csdn.net/ahuang1900/article/details/8971991。.之后得到4个文件，分别是：libsvmread.mex，libsvmwrite.mex，svmtrain.mex，svmpredict.mex，需要注意：我的是在xp下载安装的，在win7 32为的系统，得到的文件后缀为mexw32。

    函数说明：

     （1）libsvmread：用于读取libsvm格式的文件，’data.txt'中包含的数据是libsvm格式

         使用格式：[label_vector, instance_matrix] = libsvmread('data.txt'); 

输出：1.label_vector：标签向量

      2.instance_matrix：实例矩阵(是一个稀疏矩阵）

原始数据如下：

       使用libsvm数据格式为：标签 属性(x1)编号1:数据 属性(x2)编号2:数据 属性(x3)编号3:数据 ... 属性(xn)编号n:数据 

      上面的数据可以表示为如下：

   （2）libsvmwrite：用于一个matlab的矩阵libsvm格式的数据，写入到data.txt中，用法：

    libsvmwrite('data.txt', label_vector, instance_matrix），其中instance_matrix是必须是稀疏矩阵(double型）

例如，假设有矩阵M=  [1   2 ;  3   4 ]，标签矩阵为label = [1;-1]               

利用 sparse函数，把M表示稀疏矩阵形式，

M =

     1     2
     3     4

>> M=sparse(M)

M =

   (1,1)        1
   (2,1)        3
   (1,2)        2
   (2,2)        4

这样通过  libsvmwrite('data.txt', label, M），即可得到libsvm格式的数据data.txt

M =

   (1,1)        1
   (2,1)        3
   (1,2)        2
   (2,2)        4

>> label

label =

     1
    -1

>> libsvmwrite('data.txt', label,M)

data.txt的内容为：

1 1:1 2:2
-1 1:3 2:4

   （3）svmtrain：用于根据训练样本训练一个svm分类器，用法：（svmtrain方程返回的model用于将来预测）