LIBSVM（ 一 ） 安装及容易遇到的问题

1.下载libsvm-3.23

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

2.安装

2.1 解压，将解压后的文件放到MATLAB安装目录的toolbox

2.2 set path   至  D:\software\matlab\toolbox\libsvm-3.23

2.3 工作目录调整至  D:\software\matlab\toolbox\libsvm-3.23\matlab

3.编译

3.1   mex -setup

（易错：Matlab 未找到支持的编译器或 SDK 解决方法归纳

https://blog.csdn.net/gszhan/article/details/50951070）

3.2   make(出错及解决：https://blog.csdn.net/SKY_yiyi_9/article/details/88140283)

4. 测试

4.1 数据（heart_scale   https://pan.baidu.com/s/1fy5PkBrV9w8zd2lsKPnttQ）

4.2 指令

% load heart_scale.mat;
% model = svmtrain(heart_scale_label,heart_scale_inst);
% [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);

load heart_scale.mat;
data = heart_scale_inst;
label = heart_scale_label;

% 选取前200个数据作为训练集合，后70个数据作为测试集合
ind = 200;
traindata = data(1:ind,:);
trainlabel = label(1:ind,:);
testdata = data(ind+1:end,:);
testlabel = label(ind+1:end,:);
                             
% 利用训练集合建立分类模型
model = svmtrain(trainlabel,traindata,'-s 0 -t 2 -c 1.2 -g 2.8');

% 利用建立的模型看其在训练集合上的分类效果
[ptrain,acctrain] = svmpredict(trainlabel,traindata,model);

% 预测测试集合标签
[ptest,acctest] = svmpredict(testlabel,testdata,model);
%  预测精度
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);