文章目录
准备工作
- 环境：win 10 + MATALAB 2018b
- libsvm下载：LIBSVM
- MinGW-w64 下载：MinGW-w64 C/C++ 编译器
安装过程
1. 解压 libsvm 到 MATLAB
将 libsvm 解压到 MATLAB 的 toolbox 文件夹下，比如：D:\MATLAB\toolbox\libsvm-3.23
2. 对 libsvm 进行编译
由于 libsvm-3.23 包里有 svm 的一些源文件，但没有可执行的exe文件，所以，必须先将这些源文件编译为 MATLAB 可以使用的 dll 等文件。于是进入 MATLAB 对 libsvm 进行编译：
- 首先在 MATLAB 中进入 libsvm 的 matlab 目录下：
- 在命令行输入
mex -setup进行编译
正常情况下输出是这样的，说明编译没有问题。
>> mex -setup
MEX 配置为使用 'MinGW64 Compiler (C)' 以进行 C 语言编译。
警告: MATLAB C 和 Fortran API 已更改，现可支持
包含 2^32-1 个以上元素的 MATLAB 变量。您需要
更新代码以利用新的 API。
您可以在以下网址找到更多的相关信息:
https://www.mathworks.com/help/matlab/matlab_external/upgrading-mex-files-to-use-64-bit-api.html。
要选择不同的语言，请从以下选项中选择一种命令:
mex -setup C++
mex -setup FORTRAN
如果提示：
未找到支持的编译器或 SDK。您可以免费安装免费提供的 MinGW-w64 C/C++ 编译器，请参阅安装 MinGW-w64 编译器。
说明缺少 MinGW-w64 C/C++ 编译器，需要另外安装。
安装 MinGW-w64 C/C++ 编译器
安装 MinGW 并配置环境变量
注意：
1. 自己是 64 位系统就看准了安装 64 位的
2. 按照默认路径安装
- 安装完成后，在
系统变量里添加环境变量：
名称：MW_MINGW64_LOC
变量值：C:\TDM-GCC-64
进入 MATLAB 验证
在 MATLAB 命令行中输入
setenv('MW_MINGW64_LOC','C:\TDM-GCC-64')
注意：这里的 C:\TDM-GCC-64 就是安装的路径，如果在其他地方也要相应地进行修改。
然后再输入 mex -setup 命令，问题解决。
3. 继续编译 libsvm
在 mex -setup 没问题以后，输入 make 继续编译，此时如果报错，尝试修改 make.m 文件，将 CXXFLAGS 改成 COMPFLAGS。
然后 make，出现 MEX 已成功完成。 说明编译成功。
这时左边文件夹会自动 make 出来很多文件，其中后缀为 .mexm64 都是刚 make 出来的。
将这 4 个文件拷贝到 ~\toolbox\libsvm-3.23\windows 文件夹下，全部替换原有文件。
4. 验证是否编译成功
输入：svmtrain，如果显示如下说明编译成功。
>> svmtrain
Usage: model = svmtrain(training_label_vector, training_instance_matrix, 'libsvm_options');
libsvm_options:
-s svm_type : set type of SVM (default 0)
0 -- C-SVC (multi-class classification)
1 -- nu-SVC (multi-class classification)
2 -- one-class SVM
3 -- epsilon-SVR (regression)
4 -- nu-SVR (regression)
-t kernel_type : set type of kernel function (default 2)
0 -- linear: u'*v
1 -- polynomial: (gamma*u'*v + coef0)^degree
2 -- radial basis function: exp(-gamma*|u-v|^2)
3 -- sigmoid: tanh(gamma*u'*v + coef0)
4 -- precomputed kernel (kernel values in training_instance_matrix)
-d degree : set degree in kernel function (default 3)
-g gamma : set gamma in kernel function (default 1/num_features)
-r coef0 : set coef0 in kernel function (default 0)
-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
-n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
-p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
-m cachesize : set cache memory size in MB (default 100)
-e epsilon : set tolerance of termination criterion (default 0.001)
-h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
-b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)
-wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
-v n: n-fold cross validation mode
-q : quiet mode (no outputs)
输入：
model=svmtrain(heart_scale_label,heart_scale_inst)
[predicted_label, accuracy, decision_values]=svmpredict(heart_scale_label,heart_scale_inst,model)
若显示如下，说明 libsvm 安装成功。
>> model=svmtrain(heart_scale_label,heart_scale_inst);
Total nSV = 0
>> [predicted_label, accuracy, decision_values]=svmpredict(heart_scale_label,heart_scale_inst,model)
label (1st argument) should be a vector (# of column is 1).
predicted_label =
[]
accuracy =
[]
decision_values =
[]