1）安装
Python，直接去官方网站
2）运行“cmd”，直接输入python，查看python是32位还是64位
2.1 若python是32位的，则在libsvm-3.22文件夹下的windows文件夹中找到动态链接库libsvm.dll），将其添加到系统目录，如`C:\WINDOWS\system32\’，即可在python中使用libsvm
2.2 若python是64位的，则需要首先自己编译64位的动态链接库libsvm.dll。方法如下：
在VS安装目录下寻找VS2013 x64 本机工具命令提示
Dos到LIBSVM所在文件夹libsvm-3.22（小白错了好多次...)
输入nmake -f Makefile.win clean all
这时libsvm-3.22的windows目录下将生成64位的动态链接库。将新生成的libsvm.dll复制到系统目录（例如`C:\WINDOWS\system32\'）即可。
将
libsvm-3.22中的
svmutil.py复制到python安装目录下的Lib文件中。
3）测试
打开IDLE
>>>import os
>>>os.chdir('G:\Code\libsvm-3.22\python')
>>>from svmutil import *
>>> y, x = svm_read_problem(‘../heart_scale’)
>>> m = svm_train(y[:200], x[:200], ‘-c 4’)
>>> p_label, p_acc, p_val = svm_predict(y[200:], x[200:], m)
Accuracy = 84.2857% (59/70) (classification)
5）python接口的说明
在libsvm-3.16的python文件夹下主要包括了两个文件svm.py和svmutil.py。
svmutil.py接口主要包括了high-level的函数，这些函数的使用和LIBSVM的MATLAB接口大体类似
svmutil中主要包含了以下几个函数：
svm_train() : train an SVM model
svm_predict() : predict testing data
svm_read_problem() : read the data from a LIBSVM-format file.
svm_load_model() : load a LIBSVM model.
svm_save_model() : save model to a file.
evaluations() : evaluate prediction results.
svm.py接口主要包括了一些low-level的应用。在svm.py中采用了python内置的ctypes库，由此python可以直接访问svm.h中定义的C结构和接口函数。svm.py主要运用了四个数据结构svm_node, svm_problem, svm_parameter和svm_model。
在libsvm-3.16的python文件夹下主要包括了两个文件svm.py和svmutil.py。
svmutil.py接口主要包括了high-level的函数，这些函数的使用和LIBSVM的MATLAB接口大体类似
svmutil中主要包含了以下几个函数：
svm_train() : train an SVM model
svm_predict() : predict testing data
svm_read_problem() : read the data from a LIBSVM-format file.
svm_load_model() : load a LIBSVM model.
svm_save_model() : save model to a file.
evaluations() : evaluate prediction results.
svm.py接口主要包括了一些low-level的应用。在svm.py中采用了python内置的ctypes库，由此python可以直接访问svm.h中定义的C结构和接口函数。svm.py主要运用了四个数据结构svm_node, svm_problem, svm_parameter和svm_model。