libsvm3.21 matlab,Matlab 2015b安装libsvm 3.21

1、下载libsvm 3.21，更新日期为2015年12月14日

Download LIBSVM

The current release (Version 3.21, December 2015) of LIBSVMcan be obtained by downloading the zip fileortar.gzfile. You can also check thisgithubdirectory. Please e-mail us if you have problems to download the file.

The package includes the source code of the library in C++ and Java, and a simple program for scaling training data. A README file with detailed explanation is provided. For MS Windows users, there is a sub-directory in the zip file containing binary executable files. Precompiled Java class archive is also included.

Please read the COPYRIGHT notice before using LIBSVM.

2、添加路径

将工具包放到任何地方均可(建议放在D:\Program Files\MATLAB\R2015b\toolbox\matlab下)，将工具包添加到Matlab的搜索路径，Set Path->add with subfolders->save。

备注：保证D:\Program Files\MATLAB\R2015b\toolbox\matlab\libsvm-3.21和D:\Program Files\MATLAB\R2015b\toolbox\matlab\libsvm-3.21\matlab都在路径下。

3、编译

确保安装有Visual Studio 2013版，matlab当前工作目录切换到D:\Program Files\MATLAB\R2015b\toolbox\matlab\libsvm-3.21下，在matlab命令行窗口下输入：

>>mex -setup

4、编译文件

matlab当前工作目录切换到D:\Program Files\MATLAB\R2015b\toolbox\matlab\libsvm-3.21\matlab目录下，在matlab命令行窗口下输入命令，若显示MEX completed successfully.表示安装成功：

>>make

5、测试

在libsvm-3.21可以看到hear_scale 文件，在命令行输入下面几行代码

clear;

[label_vector, instance_matrix] =libsvmread('heart_scale');

model = svmtrain(label_vector, instance_matrix);

[predicted_label, accuracy, prob_estimates] = svmpredict(label_vector, instance_matrix, model, 'b');

备注参考：

options:

-s svm_type : set type of SVM (default 0)

0 -- C-SVC

1 -- nu-SVC

2 -- one-class SVM

3 -- epsilon-SVR

4 -- nu-SVR

-t kernel_type : set type of kernel function (default 2)

0 -- linear: u'*v

1 -- polynomial: (gamma*u'*v + coef0)^degree

2 -- radial basis function: exp(-gamma*|u-v|^2)

3 -- sigmoid: tanh(gamma*u'*v + coef0)

-d degree : set degree in kernel function (default 3)

-g gamma : set gamma in kernel function (default 1/num_features)

-r coef0 : set coef0 in kernel function (default 0)

-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)

-n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)

-p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)

-m cachesize : set cache memory size in MB (default 100)

-e epsilon : set tolerance of termination criterion (default 0.001)

-h shrinking: whether to use the shrinking heuristics, 0 or 1 (default 1)

-b probability_estimates: whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)

-wi weight: set the parameter C of class i to weight*C, for C-SVC (default 1)

The k in the -g option means the number of attributes in the input data.