matlab中使用libsvm

訓練函數

model=svmtrain(train_label,train_data,options);

train_label: 訓練集标簽，大小為n*1,n表示樣本數，資料類型為double。

train_data: 訓練集屬性矩陣，大小為n*m，即n行m列。n為樣本數，m表示屬性數目。

model：輸出訓練得到的模型，是結構體。

預測函數

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

test_label:測試集标簽。如果沒有測試集标簽，可以用任意n*1的矩陣，也就是列向量代替即可，此時的輸出accuracy/mse就沒有參考價值。

test_data:測試集屬性矩陣。

model: svmtrain階段得到的模型。

predict_label 預測的測試集标簽。

accuracy/mse 一個3*1的列向量，第一清單示分類準确率（分類問題使用），第二清單示mse（回歸問題使用），第三清單示平方相關系數（回歸問題使用）。

dec_value:決策值。

matlab版本：r2010b     libsvm版本：libsvm-3.20

不需要編譯libsvm。編譯是為了由cpp得到.mexw64，而libsvm-3.20直接提供了.mexw64.見下圖。

較新版本的matlab有自帶的svm實作，其函數名也為svmtrain,檔案位置在\toolbox\bioinfo\biolearning\svmtrain.m。為避免與libsvm混淆，可将matlab自帶的svmtrain.m改名後備份。