下载好libsvm后，验证libsvm下载好了吗？将其路径导入到matlab里，windows——包含libSVM四个exe程序包，我们所用的库就是它们，然后在matlab命令框输入
1.mex –setup
2.选择vc++
3.之后输入make
问题一：Error: D:\libsvm\libsvm-3.21\matlab\make.m failed (line 13)
未找到 E:\百叶通\matlab\libsvmread.c；请检查您是否位于正确的当前文件夹，并检查 'E:\百叶通\matlab\libsvmread.c' 的拼写。
解决方法：啊，太粗心了，看了一下我的当前路径居然不是libsvm所在路径，改过来就好了，
之后再输入make，然后在当前文件夹下多了4个文件，libsvmread.mexw64、libsvmwrite.mexw64、svmpredict.mexw64、svmtrain.mexw64
问题二：
找不到D:\libsvm\libsvm-3.21\matlab\svmtrain.exp
找不到 D:\libsvm\libsvm-3.21\matlab\svmtrain.exp
找不到D:\libsvm\libsvm-3.21\matlab\svmpredict.exp
找不到D:\libsvm\libsvm-3.21\matlab\svmpredict.exp
解决方法：把出现的四个文件复制到D:\libsvm\libsvm-3.21\Windows下就好了。
开始使用matlab自带的数据来验证一下libsvm装好了嘛。
load heart_scale
问题三：
错误使用 load
ASCII 文件 heart_scale的第 3 行中的列数必须与前面行中的列数相同。
解决方法：使用libsvmread函数，在matlab下直接libsvmread(heart_scale)就好了。
总结一下全过程如下：
1.输入mex –setup
2.选择vc++
3.之后输入make
4. [heart_scale_label,heart_scale_inst] =libsvmread('../heart_scale');
model=svmtrain(heart_scale_label,heart_scale_inst,'-c1 -g 0.07');
[predict_label,accuracy,dec_values]=svmpredict(heart_scale_label,heart_scale_inst,model);
此处的训练集和测试集用的是同一组数据。
结果：
optimization finished, #iter = 134
nu = 0.433785
obj = -101.855060, rho = 0.426412
nSV = 130, nBSV = 107
Total nSV = 130
Accuracy = 86.6667% (234/270)(classification)
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）。
最后会生成一个model，如图
