Matlab2012a下配置LibSVM—3.18

1.下载最新版LibSVM

点击此处打开网页，点击zip
file下载最新版的文件并解压放在任何目录下，建议放在安装目录便于查找。如我的文件解压在路径C:\ProgramFiles\MATLAB\R2012a\toolbox\libsvm-3.18下

2.设置工作路径

打开matlab2012a。点击File->Set Path->Add with Subfolders，添加刚才解压路径如C:\Program
Files\MATLAB\R2012a\toolbox\libsvm-3.18，点击Save保存和Close关闭。将Current Folder设置为C:\Program Files\MATLAB\R2012a\toolbox\libsvm-3.18\matlab。左侧边栏即出现如下界面，注意mexw32后缀的文件，原解压文件中并没有。

3.配置编译器

Command Window中输入[mex空格–setup，即mex -setup]，将会出现一些提示以及Would
you like mex to locate installed compilers [y]/n，输入y并回车，这时将出现你电脑上安装的编译器，作者的电脑只装了VS2010，Compiler:后面选择你自己的准备用来编译的编译器的序号，本文选择2。

这时又出现提示语句Are these correct [y]/n?，输入y并回车，如上所示。当显示下图时代表编译器配置完成。

4.编译过程

Command Windows输入[make]并回车.此时调用当前路径也就是C:\Program
Files\MATLAB\R2012a\toolbox\libsvm-3.18\matlab下的make.m完成编译过程。该目录下将出现svmtrain.mexw32，svmpredict.mexw32，libsvmread.mexw32和libsvmwrite.mexw32等文件。即编译成功。

5.测试编译成功与否

先检查C:\Program
Files\MATLAB\R2012a\toolbox\libsvm-3.18目录下是否存在样本集文件heart_scale.mat，注意是.mat文件，倘若存在，Command Windows输入【loadheart_scale.mat】加载样本。现在新版本的LibSVM过往只提供C++使用的heart_scale，可以使用语句[heart_scale_label,
heart_scale_inst]=libsvmread('heart_scale')同样加载样本集。这里提供了源数据文件heart_scale.mat，若嫌麻烦或者加载load heart_scale不成功，请直接点击下载heart_scale.mat。

接着，Command Windows中输入下列命令行：

model = svmtrain(heart_scale_label, heart_scale_inst);%训练过程
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);%测试过程

出现Accuracy = 86.6667% (234/270) (classification)%  done 即编译成功。

6.其他说明

① matlab自带了C编译器Lcc-win32C，但是libsvm原始版本是C++实现的，因此需要C++的编译器来编译，这就是不适用matlab默认编译器而选择其他C++编译器的原因。matlab支持的编译器也是有限的，可以查看不同版本matlab支持的编译器列表

② 如果matlab版本太低，如matlab 7.0是不能用VS作为编译器的，只能用VC++ 6.0

③ mexw32 文件是经过加密的，打开是乱码，函数本身没有帮助。例如输入 help svmpredict会出现报错： svmpredict not found。工具箱libsvm-3.12\matlab中README文件才是帮助文件。但是输入help svmtrain会出现帮助信息，其实出现的是系统自带的svmtrain函数，没有libsvm工具箱中的好用。

④ 在新版本libsvm中，文件夹libsvm-3.18\windows中已经有编译好的程序，可以直接使用，只需要把libsvm-3.12\windows添加到matlab路径中即可，不需要编译的过程。当然最好还是自己编译一遍，因为编译环境不同会导致一些不可预估的小问题，自己编译的过程是可控的。

⑤ 测试用数据集，libsvm官网上提供了很多数据集测试使用的heart_scale数据集是C++版本的（类标签 1:第一个属性 2：第二个属性…），可以用libsvmread来转换为matlab版本的（它们的区别在类标签）。[label_vector, instance_matrix] = libsvmread(‘C++版本数据集’);
%得到类标签和属性矩阵，然后可以使用它们训练了model = svmtrain(label_vector, instance_matrix)。

⑥ R2009a无法识别VS2010中的编译器Visual C++2010

7.常用机器学习样本集

请点击：①国立台湾大学

②UCI

部分参考自： Matlab安装使用libsvm