matlab安装LIBSVM
由于matlab中⾃带的svmtrain和svmclassify函数只能进⾏原始的⼆分（标签只能包含两个类别，正和负），如果想使⽤多类别标签分类，⽐如⾼光谱分类等等，那么就需要使⽤libsvm⼯具箱，下⾯就win10系统的matlab R2016a下安装libsvm进⾏说明。
⼀般的matlab添加⼯具箱的流程都是先将⼯具箱添加到matlab路径⾥⾯去，然后进⾏编译。最后再测试使⽤成功就说明⼯具箱安装完成。
1.下载libsvm⼯具箱，libsvm⼯具箱下载⽹站，或者直接从github上下载，⼀般是下载zip压缩⽂件，
2.将下载到的libsvm-
3.23.zip进⾏解压，由于是matlab，那么就需要将解压后⽂件夹⾥⾯的windows⽂件移动到matlab⾥⾯去，如图：
，⼀般系统安装的matlab⾥⾯有toolbox⽂件夹，⽐如，但是这个libsvm 是我第⼀次安装matlab的⼯具箱，因此我得另外使⽤⼀个⽂件夹来进⾏安装⼯具箱的实验，建议⼩⽩也这样做。
3.在matlab中添加libsvm⽂件夹，使⽤的是matlab因此，只需要将libsvm下⾯的matlab⽂件夹加⼊到matlab中去
然后使⽤添加并包含⼦⽂件夹
如图，保存，并关闭。
3.进⾏编译。在命令⾏窗⼝中输⼊make进⾏编译，如果出现使⽤"MinGW64 Compiler(C)"编译，那么表⽰本机没有C编译器就的安装，根据你的机器是64还是32位进⾏下载，并安装。安装过程中注意尽量使⽤⾮中⽂路径以及⾮空格⽂件夹名路径。
安装完成之后得设置环境变量，设置完成之后测试是否安装成功。安装成功之后，
在matlab⾥⾯输⼊mex -setup出现这个则为安装成功，
然后使⽤matlab进⼊libsvm下matlab⽂件，在命令⾏窗⼝使⽤make。如果出现如图：
则需要更改13⾏的CFLAGS为COMPELAGS，然后进⾏编译，如果出现如下图就是成功了
细⼼的你会发现，这个时候matlab窗⼝多出了四个⽂件，分别是刚刚编译的后缀为mexw64的⽂件，这⾥就是需要这⼏个⽂件，然后将这四个⽂件复制粘贴到window，⽬录下去就可以了，并且注意这⾥测试svmtrain的输⼊第⼀个是标签，第⼆个数样本，跟matlab⾃带的svmtrain是相反的。然后使⽤⼀下代码进⾏测试
[label_vector, instance_matrix] =libsvmread('D:\tools\libsvm-3.23\heart_scale');  //这⾥的路径为你放置libsvm的路径⾥⾯的heart_scale⽂件。
model = svmtrain(label_vector, instance_matrix);
tool工具箱[predicted_label, accuracy, prob_estimates] = svmpredict(label_vector, instance_matrix, model, 'b')
如果输出为
即为导⼊libsvm⼯具箱成功。关于svm分类器使⽤⽅法可以参考

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。