下载文档原格式
MATALB中SVM工具箱快速入手简易教程（常出现的错误解决办法）——胡matlab 自带的函数(matlab帮助文件里的例子)[只有较新版本的matlab中有这两个SVM的函数]（本人使用的是2012版本）svmtrain svmclassify=====简要语法规则====svmtrainTrain support vector machine classifierSyntaxSVMStruct = svmtrain(Training, Group)SVMStruct = svmtrain(..., 'Kernel_Function', Kernel_FunctionValue, ...) SVMStruct = svmtrain(..., 'RBF_Sigma', RBFSigmaValue, ...)SVMStruct = svmtrain(..., 'Polyorder', PolyorderValue, ...) SVMStruct = svmtrain(..., 'Mlp_Params', Mlp_ParamsValue, ...) SVMStruct = svmtrain(..., 'Method', MethodValue, ...)SVMStruct = svmtrain(..., 'QuadProg_Opts', QuadProg_OptsValue, ...) SVMStruct = svmtrain(..., 'SMO_Opts', SMO_OptsValue, ...)SVMStruct = svmtrain(..., 'BoxConstraint', BoxConstraintValue, ...) SVMStruct = svmtrain(..., 'Autoscale', AutoscaleValue, ...) SVMStruct = svmtrain(..., 'Showplot', ShowplotValue, ...)---------------------svmclassifyClassify data using support vector machineSyntaxGroup = svmclassify(SVMStruct, Sample)Group = svmclassify(SVMStruct, Sample, 'Showplot', ShowplotValue)实例操作：在命令行中输入一下内容：（或者新建一个脚本文件）警告：如果你之前安装过libsvm工具箱，则一下程序是不能执行的，并且会出现错误（如下图）。
Matlab下libsvm的配置使⽤【转】LIBSVM是⼀个由台湾⼤学林智仁(Lin Chih-Jen)教授等开发的SVM模式识别与回归的软件包，使⽤简单，功能强⼤，能够在matlab中使⽤。
⼀、安装1.下载在LIBSVM的主页上下载最新版本的软件包（libsvm-3.20），并解压到合适⽬录中。
2.编译如果你使⽤的是64位的操作的系统和Matlab，那么不需要进⾏编译步骤，因为⾃带软件包中已经包含有64位编译好的版本：libsvmread.mexw64、libsvmwrite.mexw64、svmtrain.mexw64、svmpredict.mexw64。
否则，需要⾃⼰编译⼆进制⽂件。
⾸先在matlab中进⼊LIBSVM根⽬录下的matlab⽬录（如C:\libsvm-3.20\matlab），在命令窗⼝输⼊>>mex -setup然后Matlab会提⽰你选择编译mex⽂件的C/C++编译器，就选择⼀个已安装的编译器。
之后Matlab会提⽰确认选择的编译器，输⼊y进⾏确认。
然后可以输⼊以下命令进⾏编译。
>>make注意，Matlab或VC版本过低可能会导致编译失败，建议使⽤最新的版本。
编译成功后，当前⽬录下会出现若⼲个后缀为mexw64（64位系统）或mexw32（32位系统）的⽂件。
3.重命名（可选，但建议执⾏）编译完成后，在当前⽬录下回出现svmtrain.mexw64、svmpredict.mexw64（64位系统）或者svmtrain.mexw32、svmpredict.mexw32（32位系统）这两个⽂件，把⽂件名svmtrain和svmpredict相应改成libsvmtrain和libsvmpredict。
这是因为Matlab中⾃带有SVM的⼯具箱，⽽且其函数名字就是svmtrain和svmpredict，和LIBSVM默认的名字⼀样，在实际使⽤的时候有时会产⽣⼀定的问题，⽐如想调⽤LIBSVM的变成了调⽤Matlab SVM。
前段时间，gyp326曾在论坛里问libsvm如何在matlab中使用，我还奇怪，认为libsvm是C 的程序，应该不能。
没想到今天又有人问道，难道matlab真的能运行libsvm。
我到官方网站看了下，原来，真的提供了matlab的使用接口。
接口下载在：.tw/~cjlin/libsvm/index.html#matlab具体使用方法zip文件里有readme说明，我也按照说明尝试的试用了一下，方法介绍如下。
使用的接口版本：MATLABA simple MATLAB interfaceLIBSVM authors at National Taiwan University.2.89 .tw/~cjlin/libsvm/matlab/libsvm-mat-2.89-3.zip使用的运行环境为：matlab 7.0，VC++ 6.0，XP系统。
按照说明使用方法如下：1. 下载下来的借口包里有svm的一些源文件，没有可执行的exe文件，所以，必须先将svmtrain等源文件编译为matlab可以使用的dll等文件。
于是先选择编译器，如下：（也可以先尝试使用我们在windows平台下编译好的文件，放在同一文件夹中直接使用：/bbs/viewthread.php?tid=538&page=1&fromuid=3#pid1154）>> mex -setupPlease choose your compiler for building external interface (MEX) files:Would you like mex to locate installed compilers [y]/n? ySelect a compiler:[1] Digital Visual Fortran version 6.0 in C:\Program Files\Microsoft Visual Studio[2] Lcc C version 2.4 in D:\MATLAB7\sys\lcc[3] Microsoft Visual C/C++ version 6.0 in D:\Program Files\Microsoft Visual Studio[0] NoneCompiler: 3Please verify your choices:Compiler: Microsoft Visual C/C++ 6.0Location: D:\Program Files\Microsoft Visual StudioAre these correct?([y]/n): yTry to update options file: C:\Documents and Settings\jink2005.AISEMINA-D6623E\Application Data\MathWorks\MATLAB\R14\mexopts.batFrom template: D:\MATLAB7\BIN\WIN32\mexopts\msvc60opts.batDone . . .我选择使用VC 6.0，其他可能不行。
LibLinear（SVM包）的MATLAB安装1 LIBSVM介绍LIBSVM是众所周知的⽀持向量机分类⼯具包（），运⽤⽅便简单，其中的核函数（）可以⾃⼰定义也可以默认。
但是对⼀些⼤数据来说，有没有⾮线性映射，他们的性能差不多。
如果不使⽤核，我们可以⽤线性分类或者回归来训练⼀个更⼤的数据集。
这些数据往往具有⾮常⾼维的特征，例如⽂本分类Document classification。
所以LIBSVM就诞⽣了。
关于的详细介绍及其⽐较可以参见链接：2 的MATLAB安装步骤我使⽤的是最新版本liblinear1.95,MATLAB是R2012b.（2）解压到相应的⽂件夹，在MATLAB中设置⼦路径，打开matlab，点击File->SetPath->Add withSubfolders，找到liblinear-1.95\matlab 所在⽂件夹，点击save，点击close。
（3）在matlab的command window中输⼊mex -setup，选择合适的编译器，具体如下：上图最后的“y”是⾃⼰⼿动输⼊进去的，表⽰同意选择编译⽅式。
（4）输⼊“2”作为编译环境确认，输⼊“y”结果图如下;(5)在matlab的command window中输⼊make，如果正确的话，会如下所⽰：同时，可以看到在当前⽬录下⽣成下图中的⽂件特别是⽣成train.mexw32和predict.mexw32.到这⼀步，Liblinear安装成功。
3 在matlab中测试Liblinear是否能⽤model = train(svm_category', sparseTrainMatrix)[output_label, accuracy] = predict(svm_category', sparseTestMatrix, model);train中参数：svm_category'为列向量，表⽰training set的class label，假设为n维sparseTrainMatrix为n*m维矩阵，n表⽰training set中样本的个数，m表⽰每个样本中feature的个数model的内容为predict中参数和train中取的类似，本例中直接把training set作为testing set重新预测了⼀下，model为train中输出的结构体output_label输出的是testing set的class label的预测值accuracy是预测准确度到此结束。
近来就有关SVM的一些细节上的问题和版主hehaiwanghui做了一次讨论,征得同意我把这次邮件往来贴出来,好让有类似问题的朋友可以方便解决问题.O(∩_∩)Ohehaiwanghui视频看的真的是太仔细了.SVM研究的也蛮深刻的..很是强大.呵呵...Q&A:Q:--兄：你好！我是论坛中的hehaiwanghui（--），学了你的SVM视频，讲的很好，非常感谢。
学习过程，遇到几个疑问，有时间劳烦你看一下：1、svmtrain和svmpredict的m源码打开是乱码(svmtrain.mexw32和svmpredict.mexw32)，对应的.c文件可以打开，问一下，有什么方式可以看到m源码，想研究一下算法，c学的不大好。
2、当使用交互验证方式训练时，输出变成为准确率了，同时在command window中输出Cross Validation Accuracy，我尝试把.c中的//mexPrintf("Cross Validation Accuracy = %g%%\n",100.0*total_correct/prob.l);注释掉了，可以做到不显示，但是感觉不方便，，能不能像神经网络那样设置不显示和显示。
不显示做起来会快很多。
3、训练得到的model里参数：model =Parameters: [5x1 double]nr_class: 3 %分成3类totalSV: 85 %总的支持向量数rho: [3x1 double] %Label: [3x1 double] %训练集的标签ProbA: []ProbB: []nSV: [3x1 double]sv_coef: [85x2 double] %SVs: [85x13 double] %支持向量我也看了readme，感觉比较抽象，有些不理解（那些没注释的）。
4、当在找最佳-c、-g时，循环里你用了log2c = -10:10log2g = -10:10-c为2^log2c,-g为2^log2g，是不是说-c和-g要是2的指数次方的数？或者说你这样取值是不是有什么优势？这样取值感觉就是把范围拉大了，间隔也大了，很多值都取不到了。
MATLAB中常见问题解决方案大全引言：MATLAB是一种功能强大的数学计算软件，广泛应用于科学研究、工程设计和数据分析等领域。
然而，在使用MATLAB的过程中，我们经常会遇到一些问题和困惑。
本文将总结一些常见的MATLAB问题，并提供相应的解决方案，帮助读者更好地理解和应用这个工具。
一、MATLAB的安装问题解决方案1. 问题描述：安装MATLAB时遇到许可证问题。
解决方案：首先，确保已经获取到了有效的许可证文件。
然后，运行安装程序并按照提示进行操作。
若仍出现问题，可以尝试禁用防火墙、关闭杀毒软件，并以管理员身份运行安装程序。
2. 问题描述：安装过程中出现错误代码。
解决方案：错误代码通常会提供问题的具体描述，可通过MATLAB官方网站或谷歌搜索相关错误代码进行查找。
MATLAB官方网站提供了相应的解决方案和技术支持。
二、MATLAB的基础问题解决方案1. 问题描述：如何导入和保存数据？解决方案：可以使用`load`函数导入数据，使用`save`函数保存数据。
另外，MATLAB还支持其他格式的数据导入和导出，如`csvread`和`csvwrite`用于CSV格式，`xlsread`和`xlswrite`用于Excel格式等。
2. 问题描述：如何修改MATLAB的默认设置？解决方案：可以通过修改MATLAB的配置文件来实现。
通过运行命令`edit('matlabrc.m')`可以打开该文件，并根据需要修改默认设置。
三、MATLAB的数据处理问题解决方案1. 问题描述：如何处理丢失数据？解决方案：可以使用MATLAB提供的插值函数来处理丢失数据，如`interp1`和`interp2`等。
这些函数可以根据已有数据的趋势，推断出丢失数据的可能取值，从而填补空缺。
2. 问题描述：如何处理异常值？解决方案：可以使用MATLAB中的统计函数来处理异常值，如`mean`和`median`等。
matlab中SVM工具箱的使用方法1,下载SVM工具箱:2,安装到matlab文件夹中1)将下载的SVM工具箱的文件夹放在\matlab71\toolbox\下2)打开matlab->File->Set Path中添加SVM工具箱的文件夹现在,就成功的添加成功了.可以测试一下:在matlab中输入which svcoutput 回车,如果可以正确显示路径,就证明添加成功了,例如:C:\Program Files\MATLAB71\toolbox\svm\svcoutput.m 3,用SVM做分类的使用方法1)在matlab中输入必要的参数:X,Y,ker,C,p1,p2我做的测试中取的数据为:N = 50;n=2*N;randn('state',6);x1 = randn(2,N)y1 = ones(1,N);x2 = 5+randn(2,N);y2 = -ones(1,N);figure;plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.');axis([-3 8 -3 8]);title('C-SVC')hold on;X1 = [x1,x2];Y1 = [y1,y2];X=X1';Y=Y1';其中,X是100*2的矩阵,Y是100*1的矩阵C=Inf;ker='linear';global p1 p2p1=3;p2=1;然后,在matlab中输入:[nsv alpha bias] = svc(X,Y,ker,C),回车之后,会显示:Support Vector Classification_____________________________Constructing ...Optimising ...Execution time: 1.9 secondsStatus : OPTIMAL_SOLUTION|w0|^2 : 0.418414Margin : 3.091912Sum alpha : 0.418414Support Vectors : 3 (3.0%)nsv =3alpha =0.00000.00000.00000.00000.00002)输入预测函数,可以得到与预想的分类结果进行比较.输入:predictedY = svcoutput(X,Y,X,ker,alpha,bias),回车后得到:predictedY =1111111113)画图输入:svcplot(X,Y,ker,alpha,bias),回车#Matlab一、因为要用到SVM，所以想先在matlab下学习一下，简短讲添加工具箱很简单：1.1：如果是Matlab安装光盘上的工具箱，重新执行安装程序，选中即可。
解决MATLAB中常见问题的技巧和方法MATLAB是一种高级编程语言和数值计算环境，被广泛应用于工程、科学和数学等领域。
然而，在使用MATLAB的过程中，可能会遇到一些常见的问题，这些问题可能会降低编程效率和准确性。
本文将介绍一些解决MATLAB中常见问题的技巧和方法，以帮助用户更好地应对挑战。
第一，解决MATLAB速度慢的问题。
在使用MATLAB时，我们可能会遇到速度慢的情况，这对于大规模数据处理和复杂计算任务来说是一个常见问题。
为了解决这个问题，我们可以采取以下措施：1. 合理利用向量和矩阵运算。
MATLAB在处理向量和矩阵运算时具有高效的内建函数，因此我们应该尽量避免使用循环，并使用矩阵和向量的索引和运算进行计算。
2. 使用适当的数据类型。
MATLAB提供了多种数据类型，如单精度浮点数（single）、双精度浮点数（double）和整数（integers）等。
根据需求选择适当的数据类型可以提高计算效率。
3. 避免频繁的内存分配和拷贝。
在循环中频繁地重新分配内存或复制数据会导致性能下降。
我们可以提前分配好足够的内存空间，并尽量重复利用已经分配的内存。
第二，解决MATLAB图形绘制问题。
图形绘制是MATLAB的一个重要功能，但在实际应用中可能会遇到一些问题，如图形显示不清晰、图例显示不正确等。
为了解决这些问题，我们可以尝试以下做法：1. 增加图形分辨率。
通过设置图形的分辨率，可以提高图形的清晰度。
可以使用“dpi”命令设置分辨率，如“dpi(300)”可以将分辨率设置为300dpi。
2. 调整坐标轴范围和刻度。
使用“xlim”和“ylim”命令可以调整坐标轴的范围，并使用“xticks”和“yticks”命令来设置刻度。
这样可以确保图形显示完整且刻度清晰。
3. 使用适当的图形对象。
MATLAB提供了多种图形对象，如线图（plot）、散点图（scatter）和条形图（bar）等。
根据需要选择适当的图形对象可以更好地呈现数据。
libsvm安装教程（详细版）（本机matlab版本16b）第一步，把libsvm放到工具箱toolbox中。
把libsvm安装包解压，并放入matlab程序文件中toolbox中。
运行matlab程序，点击主页，找到布局旁边的设置路径，并点击设计路径选择添加并包含子文件，找到toolbox下面的libsvm添加即可，并点击保存。
第二步更新工具箱找到布局旁边的预测按钮，并点击预设按钮。
找到常规，选择更新工具箱路径缓存，并点击应用，最后点击确定。
第三步，更改libsvm文件在matlab文件行，打开如下地址：D:\B\toolbox\libsvm-3.24\matlab打开make.m文件，将make.m中的CFLAGS改为COMPFLAGS。
注：因为matlab中有自带的svm，为了防止libsvm和自带的svm发生冲突，所以将D:\B\toolbox\libsvm-3.24\matlab中将svmtrian.c和svmpredic.c前面加入lib，相应的make.m文件中也做修改第四步，安装编译器编译器采用最新版tdm64-gcc-9.2.0，安装教程很简单选择Creat，保存路径直接选择C盘即可，C:\TDM-GCC-64。
第五步，使用matlab读取C语言程序。
Matlab文件行调整到此目录下D:\B\toolbox\libsvm-3.24\matlab 并在命令行窗口输入：setenv('MW_MINGW64_LOC','C:\TDM-GCC-64')make点击回车，当命令行窗口出现：使用'MinGW64 Compiler (C)' 编译。
MEX 已成功完成。
使用'MinGW64 Compiler (C)' 编译。
MEX 已成功完成。
使用'MinGW64 Compiler (C)' 编译。
MEX 已成功完成。
