matlab-svmtrain安装及简单实用

一、环境

系统：win10
语言：matlab

二、安装步骤

2.1 找车轮

https://blog.csdn.net/qq_31781741/article/details/82666861

这篇博客可以解决大部分问题

2.2 新的问题

make的时候出现错误：

1
2
3

使用 'MinGW64 Compiler (C)' 编译。
Error: D:\Program Files\MATLAB\libsvm\matlab\make.m failed (line 13)
gcc: error: \-fexceptions: No such file or directory

解决方法：

将make.m中的 CFLAGS 替换为 COMPFLAGS ，总共有6个好像。

完成编译，并能调用svmtrain函数

三、简单测试

3.1 程序测试

就是写个简单的测试程序。（一定是这种例子太基础了，这个百度都找不到）

data=[
    1 1;
    2 2;
    1.1 1.2;
    2.1 2;
    
    7.1 8;
    8 7.1;
    8.1 8;
    9 9.1;
];
label = [-1;-1;-1;-1;1;1;1;1];

model = svmtrain(label, data);

testdata = [1.5 1.5; 10 10];
testlabel = [-1; 1];

[predictlabel,accuracy,decision_values] = svmpredict(testlabel,testdata,model);
predictlabel

输出：

optimization finished, #iter = 12
nu = 0.443659
obj = -1.775007, rho = -0.181466
nSV = 5, nBSV = 0
Total nSV = 5
Accuracy = 100% (2/2) (classification)
predictlabel =
    -1
     1

其中，#iter为迭代次数，nu是你选择的核函数类型的参数，obj为SVM文件转换为的二次规划求解得到的最小值，rho为判决函数的偏置项b，nSV为标准支持向量个数(0<a[i]<c)，nBSV为边界上的支持向量个数(a[i]=c)，Total nSV为支持向量总个数（对于两类来说，因为只有一个分类模型Total nSV = nSV，但是对于多类，这个是各个分类模型的nSV之和）。

3.2 工程测试

数据不可能在训练程序中提取，一般都会有一个生成特征的分类文件，这里只需要将他们导入就可以使用：

load 'datasets\data.mat'
load 'datasets\label.mat'

model = svmtrain(label,data);

testdata = [1.5 1.5; 10 10];
testlabel = [-1;1];

[predictlabel,accuracy,decision_values] = svmpredict(testlabel,testdata,model);
predictlabel

变量保存方法

1 2	save 'datasets\data.mat' data; save 'datasets\label.mat' label;