⑴ matlab中用svm如何做多类别分类(R2013a)
自带的只能两类分类。多类分类是基于两类SVM采用“一对一”、“一对多”方法进行分类，你可以去下载一个Libsvm工具箱安装在你的matlab里，这是台湾林智仁教授开发的svm工具箱（影响力非常大的工具箱），他采用的是一对一法进行多类分类！
⑵ 如何导入matlab工具箱
方法/步骤
1，首先是下载好安装压缩包，我这里下载的是libsvm-3.17.zip，下载好，解压，然后将其放到MATLAB安装文件夹toolbox文件夹下，这里说明一点：并不是必须要到这个文件夹下，只是为了规范，这样应用的时候，工具箱就全在toolbox工具箱文件夹里了。便于管理和操作。
以我的电脑为例，我的MATLAB安装在D盘Program Files文件夹中，那么我需要将解压好的libsvm-3.17文件夹放在D:\Program Files\MATLAB\R2012a\toolbox文件夹下
2，然后我们需要将这个路径设定进来。
点击 file- set path
3，会弹出下面这个界面，这里要注意了，很多教程中都是说点击add folders-，但是很多情况下，都会发生错误，这是因为如果你的工具箱文件夹中含有子文件夹，那么久无法添加到路径当中来，那么应用的时候肯定会发生错误。
正确添加方法：单击-add with subfolders，找到刚才的libsvm-3.17文件夹，确定，然后最后保存就可以了。
4，说明：
并不是到这一步，就代表工具箱导入成功了，要具体看工具箱的说明，例如对这一个工具箱libsvm，工具箱还不可以用，还需要进行编译、make等操作。
具体步骤
在MATLAB主窗口中依次输入
mex -setup 回车
y 回车
然后在出现的选项中选择含有C++6.0的那个选项的序号，例如我的是2，那么输入 2 回车
y 回车
make 回车
等待自动执行完毕，导入全部完成，可以使用了。
注意事项
导入工具箱的时候，一定要仔细看导入完文件夹之后的操作说明，不然会出现错误。
⑶ 鏂版墜姹傚姪锛64浣峸in7瀹夎卨ibsvm宸ュ叿绠遍棶棰
浣犵殑鍜屾垜鐨勬儏鍐典竴妯′竴鏍枫
鎴戞姌鑵句簡涓ゅぉ鏈鍚庤В鍐充簡銆
鍥犱负matlab杞浠舵槸鍦╳in XP鏄寮勫緱锛屽悗鏉ュ崌绾х殑win7鏈澶氭敮鎸佸埌vista锛屾墍浠ョ洿鎺ュ畨瑁呬笉琛屻
鎴戝湪瑁呯殑鏃跺欙紝鍙浠ュ畨瑁咃紝浣嗘槸鎵撲笉寮锛屽悗鏉ュ彂鐜帮紝鍙瑕佸畨瑁呭畬涔嬪悗鍐峬atlab鐨勫揩鎹锋柟寮忎笅鐐瑰嚮鍙抽敭锛屽湪鍏煎规т笅闈㈢偣鍑粀indow XP涓嬪氨鍙浠ヤ簡銆傚嵏杞界殑鏃跺欎篃涓嶈兘鍗革紝闇瑕佹壘鍒皍ninstall.exe杩欎釜鏂囦欢锛屽悓鏍峰湪鍏煎规т笅闈㈢偣鍑粀indow XP涓嬪氨鍙浠ヤ簡銆傚傛灉浣犺繛瀹夎呴兘涓嶈兘鐨勮瘽锛岄偅涔堝氨灏卞湪install.exe涓鐐瑰嚮鍙抽敭锛屽吋瀹规т笅闈㈤夋嫨window XP锛岀劧鍚庣‘瀹氾紝灏变竴鍒嘜K浜嗐
⑷ 有人知道怎么把SVDD工具箱装到libsvm吗
1 先下载 libsvm-svdd-3.18.zip和 libsvm-3.18.zip，并解压得到文件夹 libsvm-svdd-3.18和libsvm-3.18；
2 将文件夹 libsvm-svdd-3.18根目录下的svm.cpp、svm.h和svm-train.c复制到 libsvm-3.18根目录下并覆盖回原来的这3个文件；将答文件夹 libsvm-svdd-3.18中 matlab里的文件 svmtrain.c 复制到 libsvm-3.18中的matlab文件夹中覆盖原来的c文件；
3 安装 libsvm-3.18，这个教程网上一大堆，主要是两步：mex -setup和 make；
4 测试安装是否成功。
⑸ 安装Libsvm工具箱出现问题E:\MATLAB7\BIN\WIN32\MEX.PL: Error: 'CFLAGS=\$CFLAGS -std=c99' not found.
必须在libsvm文件夹下运行，加入到路径不起作用的。
⑹ matlab安装libsvm工具箱
遇到了同样的问题 测试也没有问题 调用的时候出现上面两个报错
⑺ Matlab除了matlab 还有其他更好用、智能提示的第三方的IDE吗
【工具箱】
libsvm-3.1-[FarutoUltimate3.1Mcode]
其他名称：libsvm-faruto版本，libsvm-faruto加强工具箱，libsvm-farutoUltimate版本
【更新说明】
libsvm-faruto版本好久都没有更新了，近期我将代码重新整理了一下，看到注释中上次更新代码的时间是2010.01.17，才发现libsvm-faruto版本已经一年多没有添加进行更新，看着自己以前编写的一行行代码，心中不免想起过往那些逝去的岁月，想起过往的那些人，煽情的不多说，此次更新主要内容如下：
1.基于目前的最新的libsvm-3.1编写。
2.对原来的部分代码进行了重新优化。
3.添加ClassResult.m函数，方便给出各种分类准确率，以及给出判别函数的权值w、偏置b、支持向量在原始训练集中的位置索引以及alpha系数。
给出这个函数的目的是方便大家，个人感觉这个函数会对相关朋友有很大帮助。
4.重新编写说明文档TutorialForFarutoUltimate3.1.pdf
由于libsvm回归不支持多输出，本来还想实现libsvm的多输出（lssvm支持多输出，但我详细研究了一下lssvm也就是一维一维的进行回归实现的多输出，libsvm完全可以仿照这种形式实现多输出），但后来又犯懒，因为实在没有技术含量，就搁置了。如果实现有朋友需要就在后期的版本更新中添加吧。另外给大家做个预告，暑假期间我会制作一系列的关于libsvm工具箱和lssvm工具箱的视频，完全免费下载。之前在我的那个专辑期刊中做过预告，这里权当造势啦。O(∩_∩)O