《LIBsvm安装过程及错误提示》由会员分享，可在线阅读，更多相关《LIBsvm安装过程及错误提示（6页珍藏版）》请在金锄头文库上搜索。
1、libSVM安装过程及错误提示libSVM是用C+语言编写而成的，它提供了和其它软件诸如Matlab的接口，所以如果想要在Matlab中使用，首先要在Matlab中对C文件进行混合编译，把C文件转换为Matlab可以执行的.dll文件。Matlab程序是一种解释执行程序，不用编译等预处理，程序运行速度较慢。C/C+语言是高级程序设计语言之一，它可对操作系统和应用程序以及硬件进行直接操作，用C/C+语言明显优于其它解释型高级语言，一些大型应用软件如 Matlab 就是用C语言开发的。通过把耗时长的函数用c语言实现，并编译成mex函数可以加快执行速度。Matlab调用C/C+的方式主要有两种：利用
2、MEX技术和调用C/C+动态连接库。libSVM在Matlab中的安装采用的是第一种方式。在Matlab与C/C+混合编程之前，必须先对Matlab的编译应用程序mex和编译器mbuild进行正确的设置： 系统XP，Matlab版本2013a，C编译器为VS2010.1. 下载libSVM下载链接：D:Program Filesmatlab 2013atoolboxlibsvm-3.18matlab下载好保存到合适的路径，推荐Matlab安装目录下的toolbox中2. 解压文件3. 将libSVM所在的文件夹加入Matlab的搜索路径，在菜单栏的Set Path中可以设置。Matlab执行程
3、序时，如果在当前路径下没有找到所需的文件，会在搜索路径中继续寻找，所以要确保要使用的文件至少在搜索路径中。如果Matlab提示找不到文件，而文件又真是存在，很可能的原因是忘记将文件所在目录添加到Matlab的搜索路径下了。4. 设置mex，这里要先将Matlab的当前目录切换到libsvm安装目录下的matlab子文件夹上。这一步在mex的设置时并不是必须的，而是在后面的步骤时必须的，但是为了防止后面忘记，所以这里设置完搜索路径顺便设置当前目录。另外，现在的libsvm文件夹libsvm-3.12windows中已经有编译好的程序，可以直接使用，只需要把libsvm-3.12windows添加
4、到matlab路径中即可，不需要编译的过程。但最好还是自己编译一遍，因为编译环境不同会导致一些不可预估的小问题，自己编译的过程是可控的。在命令窗口输入mex setup，注意mex后面有一个空格，也就是正确输入后setup的颜色会变，如果没有输入空格，setup颜色为黑色而且运行命令会有错误提示。运行后出现下图的提示，是否选择Matlab自带的编译器，选择n。matlab自带了C编译器Lcc-win32C，但是libsvm原始版本是C+实现的，因此需要C+的编译器来编译，这就是不用matlab默认编译器而选择其他C+编译器的原因。接下来会让选择使用哪种编译器，选择自己电脑上所带有的，这里使用的
5、VS2010，第21号编译器。是否确定这个编译器，核对位置后确定：再次确定后出现编译完成的界面：5. 用make.m编译。可以看到make文件就在libsvm中的matlab子文件夹里，这里直接输入函数名称，Matlab会首先在当前目录下搜索函数，如果当前目录没有，则会再在搜索路径中寻找，为了提高搜索速度，也为了防止其它同名文件的干扰，这里直接将我们所需的make文件所在的直接目录设为当前目录。在命令窗口输入：make 6. 编译完成，系统会生成svmtrain.mexw32，svmpredict.mexw32，libsvmread.mexw32和libsvmwrite.mexw32等文件，现
6、在就可以调用 libsvm的函数了。7. 为了检验是否安装好，可用libsvm自带的测试数据进行测试。首先读入测试数据，如果你有.mat后缀的Matlab数据集，把它拷贝到当前路径中可以直接用load读入即可。而libsvm中现在自带的heart_scale数据集是C+版本的（类标签 1:第一个属性 2：第二个属性），不能直接load，需要用libsvmread来转换为matlab版本的（它们的区别在类标签）。下图是libsvm提供的heart_scale数据集，注意它的存放路径。使用命令label_vector, instance_matrix = libsvmread(C+版本数据集);来
7、转换数据类型，出现下图error：这里错误的原因是因为，当只给出文件名时，程序默认只在当前路径下寻找，而这里数据集并不在当前目录matlab子文件夹下，所以有两种解决办法，一种是将数据拷贝到当前目录中，依然使用这条命令；另一种方法是将路径明确化，不要只给出一个文件名，给出文件存放的路径全称。所以，如果出现错误提示无法打开文件，可以先去排查一下自己是不是偷懒直接只写了文件名，而文件又不再当前目录。这里将数据文件拷贝到当前目录下，重新执行命令，在工作区可以看到数据已经成功读入了：调用svm训练函数生成模型：用生成的模型进行数据预测，但是结果并没有出来，而是出来了像是函数使用说明似的东东，那应该是函数的格式没有使用正确。根据下面提示可以看出来，使用svmpredict函数时，允许的类型只能是输出参数3、输入参数不少于3或者输出参数1，输入参数不少于3，因此只写两个输出参数违反了函数的使用规则。重新修改了输出参数，可以出来结果。至此，libsvm安装测试完毕，在后续使用中应该注意文件存放路径与当前路径的问题。注：libsvm的matlab文件夹中带有README的关于函数的说明文档，可以阅读了解函数各参数的意义和使用方法。
