matlab中使用libsvm

训练函数

model=svmtrain(train_label,train_data,options);

train_label: 训练集标签，大小为n*1,n表示样本数，数据类型为double。

train_data: 训练集属性矩阵，大小为n*m，即n行m列。n为样本数，m表示属性数目。

model：输出训练得到的模型，是结构体。

预测函数

[predict_label,accuracy/mse,dec_value]=svmpredict(test_label,test,data,model);

test_label:测试集标签。如果没有测试集标签，可以用任意n*1的矩阵，也就是列向量代替即可，此时的输出accuracy/mse就没有参考价值。

test_data:测试集属性矩阵。

model: svmtrain阶段得到的模型。

predict_label 预测的测试集标签。

accuracy/mse 一个3*1的列向量，第一列表示分类准确率（分类问题使用），第二列表示mse（回归问题使用），第三列表示平方相关系数（回归问题使用）。

dec_value:决策值。

matlab版本：r2010b     libsvm版本：libsvm-3.20

不需要编译libsvm。编译是为了由cpp得到.mexw64，而libsvm-3.20直接提供了.mexw64.见下图。

较新版本的matlab有自带的svm实现，其函数名也为svmtrain,文件位置在\toolbox\bioinfo\biolearning\svmtrain.m。为避免与libsvm混淆，可将matlab自带的svmtrain.m改名后备份。