一、libsvm工具包

1.下載libsvm工具箱，libsvm工具箱下載網站libsvm網站(LIBSVM -- A Library for Support Vector Machines (ntu.edu.tw))，或者直接從github上下載，一般是下載zip壓縮文件，解壓后如圖。

其中有java，matlab和python 三種版本，以及測試數據集heart_scale，和readme說明文件（內有Libsvm的參數說明）。

2.由於是matlab，那么就需要將解壓后文件夾里面的windows文件移動到matlab里面去，一般系統安裝的matlab里面有toolbox文件。

3.在matlab中設置路徑

4.以上步驟就安裝的差不多的，接下來要看電腦有沒有編譯器。查看編譯器的方法：

　　在matlab里面輸入mex -setup/mex -setup -v（查找版本）出現這個則有編譯器

（1若是能找到c++編譯器，可直接嘗試在命令行窗口輸入make，執行make.m程序進行編譯，完成后出現4個后綴為.mexw64文件）

（2若沒能找到C++編譯器，編譯失敗或者一系列不明error，請參考下第二部分：MinGW64配置 ，按其步驟進行）

　　在命令行窗口中輸入make進行編譯【注意：如果有z黃色警告模式，說明編譯器和matlab的版本不適合，需要重新選擇編譯器的版本，或者下更高版本的matlab(但是我沒管)】

5.測試

按照網上最常見的測試方法，來進行測試。

將Libsvm文件下的測試數據集heart_scale復制到Libsvm\matlab下，后續的操作將在該文件夾下進行，同時將MATLAB工作路徑轉至該文件下（在MATLAB中也可完成文件的復制粘貼工作）。

在命令行窗口輸入：

注意：

1.測試svmtrain的輸入第一個是標簽，第二個數樣本，跟matlab自帶的svmtrain是相反的。

2.”svmtrain“調用svmtrain.exe，heart_scale存放訓練樣本的文件，train.model保存最后訓練出來的模型。

[heart_scale_label,heart_scale_inst]=libsvmread('heart_scale');
 model = svmtrain(heart_scale_label,heart_scale_inst) ;
[predict_label,accuracy,dec_values] = svmpredict(heart_scale_label,heart_scale_inst,model);

如果輸出為:

#iter：為迭代次數
nu：為nu-SVC, one-class SVM, and nu-SVR三種類型SVM指定的核函數的參數，默認為0.5
obj：為SVM文件轉換為二次規划求解得到的最小值
rho：為判決函數的偏置項b
nSV：為標准支持向量個數
nBSV: 邊界上支持向量的個數
Total nSV ：支持向量的總的個數