svm工具箱下載

『壹』 如何在MATLAB中添加SVM函數工具箱

1、下載svm工具包
地址：http://www.pudn.com/downloads343/sourcecode/math/detail1499382.html
2、解壓工具包到E:\matlab\toolbox ，也可以解壓後自己命名後復制過去。 （安裝目錄）
3、打開matlab點擊set path---->add folder（也可以選擇下面的addwithsubfolder) 然後把你的工具箱文件夾添加進去就可以了，保存。
4、刷新路徑，這一步一定要做，路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
5、驗證是否添加成功，最後在matlab的命令欄中輸入which svcoutput可以查看路徑E:\matlab\toolbox\svm\svcoutput.m就可以了。
6、調用工具箱：
用SVM做分類的使用方法
1)在matlab中輸入必要的參數:X,Y,ker,C,p1,p2
我做的測試中取的數據

『貳』 如何在MATLAB中添加SVM函數工具箱

1,下載SVM工具箱:http://see.xidian.e.cn/faculty/chzheng/bishe/indexfiles/indexl.htm
2,安裝到matlab文件夾中
1)將下載的SVM工具箱的文件夾放在\matlab71\toolbox\下
2)打開matlab->File->Set Path中添加SVM工具箱的文件夾
現在,就成功的添加成功了.
可敬清以測試一下:在matlab中輸純大入which svcoutput 回車,如果可以正確顯示路徑,就證明添加成功了,例如:
C:\Program Files\MATLAB71\toolbox\svm\svcoutput.m
3,用SVM做分類的使用方法
1)在matlab中輸入必要的參數:X,Y,ker,C,p1,p2
我做的測試中取的數據為:
N = 50;
n=2*N;
randn('state',6);
x1 = randn(2,N)
y1 = ones(1,N);
x2 = 5+randn(2,N);
y2 = -ones(1,N);
figure;
plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.');
axis([-3 8 -3 8]);
title('亮褲前C-SVC')
hold on;
X1 = [x1,x2];
Y1 = [y1,y2];
X=X1';
Y=Y1';
其中,X是100*2的矩陣,Y是100*1的矩陣
C=Inf;
ker='linear';
global p1 p2
p1=3;
p2=1;

『叄』 如何在matlab里安裝libsvm包

1.下載好libsvm包
下載libsvm-3.21到隨意一個地方，比如到安裝路徑下的 toolbox下——D:\MATLAB\R2014A\toolbox\下，並解壓。
打開matlab，將libsvm-3.21\matlab 添加到路徑，比如將:\MATLAB\R2014A\toolbox\libsvm-3.21\matlab 添加到路徑。
2.setup 第一次嘗試
若提示沒有C++編譯器，則根據提示的網址去下載 winsdk_web.exe，然後 雙擊運行winsdk_web.exe，安裝到最後若提示失敗，則去卸載自帶的visual studio 和 .netframework 4，然後再運行 winsdk_web.exe，提示缺少 .netframework 4，則自行下載安裝，反復運行 winsdk_web.exe。
直到運行 winsdk_web.exe 時出現如下圖所示情況，說明距成功更近一步了，

選擇 Change，下一步，

勾選上 visual C++ compilers 和 microsoft visual C++ 2010，下一步，

最後提示成功安裝。
2. setup
打開Matlab中，進入LIBSVM根目錄下的matlab目錄（如D:\MATLAB\R2014A\toolbox\libsvm-3.21），在命令窗口的輸入mex -setup 輸出為：
>>mex –setup

MEX 配置為使用 'Microsoft Windows SDK 7.1 (C)' 以進行 C 語言編譯。
Warning: The MATLAB C and Fortran API has changed to support MATLAB
variables with more than 2^32-1 elements. In the near future
you will be required to update your code to utilize the
new API. You can find more information about this at:

http://www.mathworks.com/help/matlab/matlab_external/upgrading-mex-files-to-use-64-bit-api.html.
要選擇不同的語言，請從以下選項中選擇一種命令:
mex -setup C++
mex -setup FORTRAN

繼續：
>> mex -setup C++
MEX 配置為使用 'Microsoft Windows SDK 7.1 (C++)' 以進行 C++ 語言編譯。
Warning: The MATLAB C and Fortran API has changed to support MATLAB
variables with more than 2^32-1 elements. In the near future
you will be required to update your code to utilize the
new API. You can find more information about this at:
http://www.mathworks.com/help/matlab/matlab_external/upgrading-mex-files-to-use-64-bit-api.html.

3.編譯
執行 make，輸出如下：
>> make
使用 'Microsoft Windows SDK 7.1 (C)' 編譯。
MEX 已成功完成。
使用 'Microsoft Windows SDK 7.1 (C)' 編譯。
MEX 已成功完成。
使用 'Microsoft Windows SDK 7.1 (C++)' 編譯。
找不到 D:\MATLAB\R2014A\toolbox\libsvm-3.21\matlab\svmtrain.exp

找不到 D:\MATLAB\R2014A\toolbox\libsvm-3.21\matlab\svmtrain.exp

MEX 已成功完成。
使用 'Microsoft Windows SDK 7.1 (C++)' 編譯。
找不到 D:\MATLAB\R2014A\toolbox\libsvm-3.21\matlab\svmpredict.exp

找不到 D:\MATLAB\R2014A\toolbox\libsvm-3.21\matlab\svmpredict.exp

MEX 已成功完成。
>>

4.重命名
忽略錯誤（找不到……），繼續，編譯完成後，在當前目錄下(libsvm-3.21/matlab下)會出現svmtrain.mexw64、svmpredict.mexw64 或者svmtrain.mexw32、svmpredict.mexw32 ，把文件名svmtrain和svmpredict 相應改成 libsvmtrain 和 libsvmpredict。
這是因為Matlab中自帶有SVM的工具箱，其函數名字就是svmtrain和svmpredict，和 libsvm 默認的名字一樣.
5.測試是否安裝成功libsvm
libsvm 軟體包中自帶有測試數據，即軟體包根目錄下的 heart_scale 文件。
在matlab運行代碼，輸出如下：
>> [heart_scale_label, heart_scale_inst] = libsvmread('heart_scale');
>> model = libsvmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
*
optimization finished, #iter = 134
nu = 0.433785
obj = -101.855060, rho = 0.426412
nSV = 130, nBSV = 107
Total nSV = 130
>> [predict_label, accuracy, dec_values] = libsvmpredict(heart_scale_label, heart_scale_inst, model);
Accuracy = 86.6667% (234/270) (classification)
>>

OK ，perfect ! Congratulations to you!
如果遇到：
>> [heart_scale_label, heart_scale_inst] = libsvmread('heart_scale');
Invalid MEX-file 'C:\Users\jiao\Documents\MATLAB\libsvm-3.20\matlab\libsvmread.mexw64': 找不到指定的模塊。

則把 D:\MATLAB\R2014A\toolbox\libsvm-3.21\matlab 文件夾添加到路徑就可以了。

『肆』 如何在MATLAB中添加SVM函數工具箱

1. 打開matlab，點擊HOME中的"Set Path"選項。

   

『伍』 Matlab除了matlab 還有其他更好用、智能提示的第三方的IDE嗎

【工具箱】
libsvm-3.1-[FarutoUltimate3.1Mcode]
其他名稱：libsvm-faruto版本，libsvm-faruto加強工具箱，libsvm-farutoUltimate版本
【更新說明】
libsvm-faruto版本好久都沒有更新了，近期我將代碼重新整理了一下，看到注釋中上次更新代碼的時間是2010.01.17，才發現libsvm-faruto版本已經一年多沒有添加進行更新，看著自己以前編寫的一行行代碼，心中不免想起過往那些逝去的歲月，想起過往的那些人，煽情的不多說，此次更新主要內容如下：
1.基於目前的最新的libsvm-3.1編寫。
2.對原來的部分代碼進行了重新優化。
3.添加ClassResult.m函數，方便給出各種分類准確率，以及給出判別函數的權值w、偏置b、支持向量在原始訓練集中的位置索引以及alpha系數。
給出這個函數的目的是方便大家，個人感覺這個函數會對相關朋友有很大幫助。
4.重新編寫說明文檔TutorialForFarutoUltimate3.1.pdf
由於libsvm回歸不支持多輸出，本來還想實現libsvm的多輸出（lssvm支持多輸出，但我詳細研究了一下lssvm也就是一維一維的進行回歸實現的多輸出，libsvm完全可以仿照這種形式實現多輸出），但後來又犯懶，因為實在沒有技術含量，就擱置了。如果實現有朋友需要就在後期的版本更新中添加吧。另外給大家做個預告，暑假期間我會製作一系列的關於libsvm工具箱和lssvm工具箱的視頻，完全免費下載。之前在我的那個專輯期刊中做過預告，這里權當造勢啦。O(∩_∩)O

『陸』 如何下載libsvm python

下載libsvm python的方法：

1、訪問「www.csie.ntu.e.tw/~cjlin/libsvm/」網頁，下載zip格式的數據包

2、將文件解壓到python的site-packages文件夾中就可以了

更多Python知識，請關註：Python自學網！！

『柒』 求在MATLAB下編譯好（可以直接使用）的libsvm工具箱

以下兩種方法，我已經親測可用
方法1：可以在其他朋友的電腦上進行編譯，編譯完後直接把libsvmread.mexw64、libsvmwrite.mexw64、svmpredict.mexw64、svmtrain.mexw64復制到你自己的程序中即可運行。這種方法的弊端是不同的演算法程序中均需要復制一次。

方法2：把編譯完後的libsvmread.mexw64、libsvmwrite.mexw64、svmpredict.mexw64、svmtrain.mexw64這幾個文件添加到F:\MATLAB 2015a anzhuang\toolbox\libsvm-3.22\matlab下，即可