SVM实现多分类的程序基础工作（一）

        今天需要做一个用SVM实现多分类的程序，鉴于本人是matlab初学者，所以了解一些matlab的基本常识是很重要的。下面是在MATLAB编辑器(Editor)中一些快捷键的用法：

1)【Tab】（或【Ctrl+]】）――增加缩进（对多行有效）

2)【Ctrl+[】－－减少缩进（对多行有效）

3)【Ctrl+I】－－自动缩进（即自动排版，对多行有效）

4)【Ctrl+R】――注释（对多行有效）

5)【Ctrl+T】――去掉注释（对多行有效）

6)【F12】――设置或取消断点

7)【F5】――运行程序

        另外为了完成SVM实现多分类的程序，我下载了台湾林智仁的libsvm工具箱，下面对libsvm工具箱的安装作简单的介绍：

1、  解压文件,把当前工作目录调整到libsvm所在的文件夹下。即选择file——set path——add folder(添加解压后的libsvm工具箱文件)——save。

2、  然后在命令行里输入mex -setup  %选择一下编译器

3、  最后在命令行里输入make。即完成libsvm工具箱的安装。

 

嘿嘿，很简单吧，下面再介绍一下为什么要安装libsvm，这得要从matlab自带的svm和libsvm的区别（参考http://www.ilovematlab.cn/forum.php?mod=viewthread&tid=35262）来说了。

 

1 MATLAB自带的svm实现函数仅有的模型是C-SVC(C-support vector classification)；

而libsvm工具箱有C-SVC(C-support vector classification),nu-SVC(nu-support vector classification),one-class SVM(distribution estimation),epsilon-SVR(epsilon-support vector regression),nu-SVR(nu-support vector regression)等多种模型可供使用。

2 MATLAB自带的svm实现函数仅支持分类问题，不支持回归问题；而libsvm不仅支持分类问题，亦支持回归问题。

3 MATLAB自带的svm实现函数仅支持二分类问题，多分类问题需按照多分类的相应算法编程实现；而libsvm采用1v1算法支持多分类。

4 MATLAB自带的svm实现函数采用RBF核函数时无法调节核函数的参数gamma，貌似仅能用默认的；而libsvm可以进行该参数的调节。

5 libsvm中的二次规划问题的解决算法是SMO；而MATLAB自带的svm实现函数中二次规划问题的解法有三种可以选择：经典二次方法；SMO；最小二乘。（这个是我目前发现的MATLAB自带的svm实现函数唯一的优点~）

         在以上的一些对比下，目前svm的实现还是使用libsvm（这个应该是目前最好用的svm工具箱），当然MATLAB自带的svm实现函数对于简单问题也可使用，MATLAB自带的svm实现函数可能会在更加新的版本里面进行完善。