读取libsvm_支持向量机SVM工具包LIBSVM的安装和测试

目前，机器学习已广泛地应用于脑科学领域的研究中，特别是在利用脑影像数据进行疾病的诊断方面，离不开分类算法。支持向量机（Support Vector Machine, SVM）作为一种有监督学习的二元分类器，在小样本分类中具有突出的优势，因此非常适合于基于脑影像数据的疾病分类研究。LIBSVM工具包是台湾大学Lin Chih-Jen教授等开发一个SVM工具包，其可运行于Python, R, MATLAB等语言环境下，是目前大家用的比较多的一个SVM工具包。本文，笔者详细阐述Matlab环境下LIBSVM的安装和使用教程，希望对大家的研究有所帮助。

LIBSVM的安装

1. 直接打开LIBSVM的官方网址进行下载：

https://www.csie.ntu.edu.tw/~cjlin/libsvm/#matlab

从图1可以看到，LIBSVM可以在多种语言环境下都可以运行。

从打开的网页中找到图2所示的下载页面，点击下载zip或 tar.gz格式的压缩包，目前的最新版本是libsvm-3.23

图1

图2

1. 解压下载的压缩文件，里面包含包含MATLAB、Python等版本的安装包，这里笔者仅介绍Matlab环境下LIBSVM的安装，如图3所示：

图3

1. 把解压出来的libsvm-3.23文件夹复制到你想存储的位置，这里笔者把libsvm-3.23文件夹放置在了“D:/tool”文件夹里面。

接下来，进行Matlab设置路径：Matlab菜单选择“File—Set Path—Add with Subfolders”，选中libsvm-3.23文件夹，最后点击Save，如图4所示：

图4

1. 把Matlab当前路径设置到libsvm-3.23的matlab文件夹，即D:toollibsvm-3.23matlab，如图5所示：

图5

1. 配置Matlab编译器。在Matlab命令窗口中输入“mex -setup”指令，会提示你选择Matlab默认的编译器。这里，笔者电脑中只装了一个编译器，即Microsoft Visual C++ 2010，故选择这个编译器即可，如图6所示。

注意：如果你电脑中未安装，会提示错误。这时你可以打开如下网址安装不同Matlab版本兼容的编译器。

https://www.mathworks.com/support/requirements/previous-releases.html

图6

1. 在Matlab文件夹中输入命令“make”，并按下Enter键对文件进行编译，如图7所示，编译成功之后会生成一些.mexw64（对于64位系统）或.mexw32（对于32位系统）文件。

图7

1. 至此，LIBSVM安装成功。

LIBSVM测试

执行完上述步骤，LIBSVM即可安装成功。LIBSVM安装成功后，可以用工具包自带的数据集“heart_scale”进行测试。直接在Matlab命令窗口中输入以下指令：

[Label,Feature]=libsvmread(‘D:toollibsvm-3.23heart_scale’);

%读取数据集的标签和特征值；得到的Label为2701的标签矩阵，Feature为27013的特征矩阵，每一列表示一个特征变量

A=randperm(270);

model=svmtrain(Label(A(1:200),1),Feature(A(1:200) ); %随机挑选200个样本作为训练集，得到训练好的模型model；

[predict_label,accuracy,deci_value]=svmpredict(Label(A(201:270),1),Feature(A(201:270) ,model);

%剩余的70个样本作为测试集，对训练好的模型进行测试

具体结果如图8所示：

图8

参考文献

[1] Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for support vector machines. ACM Transactions on Intelligent Systems and Technology, 2:27:1–27:27, 2011.

总结

支持向量机SVM作为一种有监督学习的二元分类器，在小样本分类中具有突出的优势，因此广泛应用于脑科学领域。