MATLAB R2021b 安装libsvm

---

前言

处理器：AMD Ryzen 9 5950X 16-Core Processor 3.40 GHz
操作系统：Windows 10 专业版
版本号：21H1
内部版本：19043.1645
MATLAB版本：2021b

---

一、下载安装libsvm

1、下载libsvm

libsvm官网：https://www.csie.ntu.edu.tw/~cjlin/libsvm

我当时点了前两个下载链接没反应，最后点的github连接下载的

2、解压libsvm

将下载的压缩包解压然后复制到MATLAB安装目录的toolbox下

3、设置MATLAB路径

点添加并包含子文件夹，选择刚才的libsvm-master文件夹，点确定后会自动将下面的子文件夹也添加进来

4、编译可能遇到的问题

在matlab命令行中输入mex -setup -v 查看一下电脑中有啥编译器

结果啥都没有

根据谦恭的博客：https://blog.csdn.net/github_35807147/article/details/80725642
安装以MinGW64 Compiler (C++)为例：
1.首先下载并且安装TDM-GCC：
http://tdm-gcc.tdragon.net/download
2.最好安装在C盘根目录下，目录中不要有空格，安装时默认勾选Add to PATH，就不需要后面再配环境变量

3.在MATLAB的命令行中敲入命令：
setenv(‘MW_MINGW64_LOC’,‘C:\TDM-GCC-64’)

此时再运行前面的那句
mex -setup -v
就可以看到下图结果，编译器已经有了

5、编译

将MATLAB的当前文件夹切换到libsvm-master/matlab目录：

输入make并运行

出现了很多警告但也多了四个文件，应该是编译成功了

二、测试

将Libsvm-master文件夹下的测试数据集heart_scale复制到Libsvm\matlab下，后续的操作将在该文件夹下进行，同时将MATLAB工作路径转至该文件下
然后输入：

[heart_scale_label,heart_scale_inst]=libsvmread('heart_scale');

model = svmtrain(heart_scale_label,heart_scale_inst) ;

[predict_label,accuracy,dec_values] = svmpredict(heart_scale_label,heart_scale_inst,model);

得到结果如下，应该是安装成功了

三、使用小技巧

1、libsvm标准格式转换工具

libsvm的数据集格式是:
标签 1:特征值1 2:特征值2…
可以借助excel实现标准格式转换，百度网盘链接如下：
http://pan.baidu.com/s/1eSKebYU
DADADA开飞机的DATA的简书地址：LIBSVM之svm-train

excel里点击菜单栏视图，宏——查看宏

点击FormatDataFromLibsvm，执行，就会将数据转换为标签在最后一列的格式，如下图所示：

点击FormatDataToLibsvm就会将数据转换为libsvm的标准格式，如下图所示：

转换完后可以将excel的内容另存为txt文件（excel另存为有俩种txt格式，建议使用文本文件（制表格分割））

2、数据归一化

SVM对数据大小是敏感的，一般都需要先将特征进行归一化，如缩放到（0,1）区间，在libsvm-3.23\windows文件夹有一个svm-scale.exe 的执行程序，该exe文件双击无法使用。需要在windows cmd 里运行（按住windows+R，输入cmd即可）

将转换好的txt文本复制到该目录，将cmd里路径调至该文件夹（可将文件夹直接拖入cmd，手动输太xxx的长了）；
也可在windows文件夹下按住shift，右键，在此处打开powershell窗口，则路径自动在当前目录下：

输入.\svm-scale.exe .\a.txt > a1.txt
大于号前后都有空格

可以看出默认被归一化到了（0，1）区间

3、训练及预测

将归一化好的a1.txt文件复制到libsvm-3.23\matlab 目录下：

[lable,im]=libsvmread('a1.txt');                                                    %读取文件
model=svmtrain(lable(1:8754),im(1:8754,:),'-s 4 -t 2 -c 1 -g 0.125');               %训练(共12505条样本，选前70%作为训练集，即8754)
[prelabel,accuracy,decision_values]=svmpredict(lable(8755:12505),im(8755:12505,:),model); %预测(后30%作为测试集，即8755-12505条)

以上便是svm的简单使用

4、寻找最优参数

需要安装python和gnuplot；我的python版本是3.10；gnuplot下载了目前最新的版本gp543-win64-mingw.exe
gnuplot官网地址： http://www.gnuplot.info/ （就是个画图的工具，画c和g自动寻参的图，默认下一步安装就行，安装完看看和easy.py里第25行的调用路径一致否）
官网：

下载：

检查安装路径是否一致

打开命令行，输入

python .\easy.py .\train.txt .\test.txt  

train.txt和test.txt分别存放着训练集和测试集，easy.py后面跟原始的测试集和训练集即可，会自己进行归一化等等操作；运行它则可自动调用svmscale.exe grid.py svmtrain.exe svmpredict.exe ，简单一步到位；会输出bestc和bestg和accuracy等

期间会自动打开gnuplot画图，略卡，画完自己关闭，生成一些中间文件如下图。

寻找最佳参数的过程如下图所示：

---

参考

MATLAB libsvm 安装和使用
MATLAB安装配置libsvm（附MinGW64配置)
LIBSVM之svm-train