MATLAB安裝libsvm工具箱的方法

時間 2019-11-30

原文原文鏈接

支持向量機（support vector machine，SVM）是機器學習中一種流行的學習算法，在分類與迴歸分析中發揮着重要做用。基於SVM算法開發的工具箱有不少種，下面咱們要安裝的是十分受歡迎的libsvm工具箱。html

libsvm簡介

LIBSVM 是臺灣大學林智仁(Lin Chih-Jen)副教授等開發設計的一個簡單、易於使用和快速有效的 SVM 模式識別與迴歸的軟件包，它不只提供了編譯好的可在 Windows 系列系統的執行文件，還提供了源代碼，方便改進、修改以及在其它操做系統上應用；該軟件還有一個特色，就是對 SVM 所涉及的參數調節相對比較少，提供了不少的默認參數，利用這些默認參數就能夠解決不少問題；而且提供了交互檢驗(Cross-SVM迴歸等問題，包括基於一對一算法的多類模式識別問題。c++

libsvm與MATLAB自帶的svm工具箱的區別

在MATLAB中，一樣自帶了一個svm工具箱，不過相比於libsvm，在功能性和易用性方面有一些差距。具體差異表如今：git

MATLAB自帶的svm實現函數僅支持分類問題，不支持迴歸問題；而libsvm不只支持分類問題，亦支持迴歸問題
MATLAB自帶的svm實現函數僅支持二分類問題，多分類問題需按照多分類的相應算法編程實現；而libsvm採用一對一方法支持多分類
MATLAB自帶的svm工具箱沒法改變高斯核函數中的參數，而libsvm能夠
MATLAB自帶的svm工具箱也有一些優勢，好比在解決二次規劃問題時，可選三種方法（經典二次方法；SMO；最小二乘），而libsvm只能是SMO。

常見的擴展爲多分類的方法有：github

一對一（one-versus-one）方法，訓練時對於任意兩類樣本都會訓練一個二分類器，最終獲得k(k-1)/2個二分類器，共同組成k分類器。對未知樣本分類時，使用全部的k(k-1)/2個分類器進行分類，將出現最多的那個類別做爲該樣本最終的分類結果。算法
一對多（one-versus-rest）方法：訓練時依次把k類樣本中的某個類別歸爲一類，其它剩下的歸爲另外一類，使用二分類的SVM訓練處一個二分類器，最後把獲得的k個二分類器組成k分類器。對未知樣本分類時，分別用這k個二分類器進行分類，將分類結果中出現最多的那個類別做爲最終的分類結果。編程

libsvm的下載

在libsvm的官方主頁上能夠下載libsvm的擴展包，支持MATLAB、Java、Python等多種語言，這裏咱們選擇MATLAB版本，下載zip文件便可。windows

或者直接下載我分享的文件包，點擊這裏下載緩存

注意

若是是從官方主頁上下載，須要再下載一個數據集[heart_scale.mat]，方便以後的測試，點擊這裏下載。機器學習

若是是下載我分享的文件包，裏面已經包含了這個數據集.mat文件，就不須要再下載了。函數

libsvm的安裝

在\libsvm-3.23\matlab目錄下，有一個README文件，詳細說明了安裝方法。

若是是windows 64位系統，預編譯的二進制文件已經提供，在\libsvm-3.23\windows文件下，能夠看到4個文件，分別是libsvmread.mexw6四、libsvmwrite.mexw6四、svmtrain.mexw6四、svmpredict.mexw64。

這樣能夠跳過下面第一步的編譯步驟。

1.編譯

若是是win32位系統，須要本身從新編譯c文件，生成MATLAB可識別的mexw32文件。編譯方法在上述的README文件也有說明。

將MATLAB的工做文件夾調整到\libsvm-3.23\matlab目錄下，在MATLAB的命令行窗口輸入>> mex -setup，而後選擇編譯器如VS2010，最後輸入指令>>make。編譯完成後，當前路徑下會生成對應的mexw32（32位系統）mexw64（64位系統）文件。

過程以下：

matlab>> mex -setup

Would you like mex to locate installed compilers [y]/n? y
Select a compiler:
[1] Microsoft Visual C/C++ version 7.1 in C:\Program Files\Microsoft Visual Studio
[0] None

Compiler: 1
Please verify your choices:
Compiler: Microsoft Visual C/C++ 7.1
Location: C:\Program Files\Microsoft Visual Studio

Are these correct?([y]/n): y

matlab>> make

注意：

個人操做系統是win7 64位，原先安裝的是MATLAB2014a和VS2015，發現並不支持libsvm工具包中提供好的mexw64文件，緣由是MATLAB的版本太低。

隨後我考慮從新編譯生成適合本身版本的mexw64文件，結果發現MATLAB2014a不支持識別VS2015,最高支持到VS2013。

因此解決方法有兩種，一種是給給VS降級，一種是給MATLAB升級。因爲前者涉及不少.net和c++庫文件，比較繁瑣，因此最方便的作法是安裝新版本的MATLAB，新老版本的MATLAB只要不安裝在一個文件夾下，通常不會出現干擾狀況。

安裝MATLAB2016及以上版本就能夠支持以上的mexw64文件，同時也能識別更新的c/c++編譯器。

MATLAB 2016b的下載、安裝、激活方法，能夠參考這個連接。

2.重命名函數

在獲得libsvmread.mexw6四、libsvmwrite.mexw6四、svmtrain.mexw6四、svmpredict.mexw64這4個文件後，爲了不和svm內置的函數衝突，最好將svmtrain.mexw6四、svmpredict.mexw64這兩個文件重命名爲libsvmtrain.mexw6四、libsvmpredict.mexw64。

3.添加到toolbox

將libsvm-3.23文件夾放置到\MATLAB R2016b\toolbox目錄下；

主頁> 設置路徑> 添加文件夾> 選擇libsvm-3.23文件夾；

添加幷包含子文件夾> 選擇libsvm-3.23文件夾；

主頁> 預設> 常規> 更新工具箱緩存> 肯定

測試

在MATLAB命令行窗口輸入一下指令：

load heart_scale
model = libsvmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g     0.07');
[predict_label, accuracy, dec_values] = libsvmpredict(heart_scale_label, heart_scale_inst, model);

若出現如下結果，說明安裝正確。

更詳細的關於libsvm的使用方法能夠參考libsvm文件夾下的README文件或者是官方主頁的說明。