目标：对4类特征样本利用SVM进行分类。
步骤1：对4类特征样本（样本大小为120*7）划分训练集和测试集，分类标签与之一一对应，将这两个数据集和对应标签分别存放在train_sample.mat、test_sample.mat，其中分类标签分别放在两个mat文件的第一列。
步骤2：对mat格式的文件转换为libsvm所用格式。
步骤3：运用win+R和cmd进入windows的命令行提示符窗口。
步骤4：输入命令，对数据进行缩放、训练、测试，得到分类精度。
一、libsvm工具箱包含的内容：
（1）Java文件夹，主要应用于java平台；
（2）Python文件夹，是用来参数优选的工具，稍后介绍；
（3）tools文件夹，主要包含四个python文件，用来数据集抽样(subset)，参数优选（grid），集成测试(easy),数据检查(checkdata)；
（4）windows文件夹包含libSVM四个exe程序包，我们所用的库就是他们，里面还有个heart_scale，是一个样本文件，可以用记事本打开，用来测试用的。
（5）svm-toy文件，一个可视化的工具，用来展示训练数据和分类界面，里面是源码，其编译后的程序在windows文件夹下；
（6）heart_scale文件，是测试用的训练文件
（7）其他.h和.cpp文件都是程序的源码，可以编译出相应的.exe文件。其中，最重要的是svm.h和svm.cpp文件，svm-predict.c、svm-scale.c和svm-train.c（还有一个svm-toy.c在svm-toy文件夹中）都是调用的这个文件中的接口函数，编译后就是windows下相应的四个exe程序。另外，里面的README跟FAQ是很好的帮助文件。
二、libsvm数据格式
[label] [index1] [value1] [index2] [value2] …
[label] [index1] [value1] [index2] [value2] …
label：目标值，分类标签，通常是一些整数。如果是回归，目标值是连续的取值。
index：索引值，是整数升序排列。
value：特征值（属性数据），用来train的数据，通常是一堆实数组成。
从参考博客[1]中复制了write4libsvm.m，这是一个格式转换程序，不需要看懂，在matlab的命令窗口中输入调用函数名，然后选择需要转换的数据文件即可。write4libsvm.m代码如下：
function write4libsvm
% 为了使得数据满足libsvm的格式要求而进行的数据格式转换 注意原始格式是mat的数据格式，转化成txt或者dat都可以。
% 原始数据保存格式为:
% [标签 第一个属性值 第二个属性值...]
% 转换后文件格式为满足libsvm的格式要求，即:
% [标签 1:第一个属性值 2:第二个属性值 3:第三个属性值 ...]
% Genial@ustc
% 2004.6.16
[filename, pathname] = uigetfile( {
'*.mat', ...
'数据文件(*.mat)'; ...
'*.*', '所有文件 (*.*)'}, ...
'选择数据文件');
try
S=load([pathname filename]);
fieldName = fieldnames(S);
str = cell2mat(fieldName);
B = getfield(S,str);
[m,n] = size(B);
[filename, pathname] = uiputfile({
'*.txt;*.dat' ,'数据文件(*.txt;*.dat)';'*.*','所有文件 (*.*)'},'保存数据文件');
fid = fopen([pathname filename],'w');
if(fid~=-1)
for k=1:m
fprintf(fid,'%3d',B(k,1));
for kk = 2:n
fprintf(fid,'\t%d',(kk-1));
fprintf(fid,':');
fprintf(fid,'%d',B(k,kk));
end
k
fprintf(fid,'\n');
end
fclose(fid);
else
msgbox('无法保存文件!');
end
catch
end
选择保存的文本类型为txt格式，但是后来发现在windows的命令行提示符窗口输入命令却出现了问题。关键的解决方法会在后面讲解。
三、数据缩放
svm-scale是用来对原始样本进行缩放的，范围可以自己定，一般是[0,1]或[-1,1]。缩放的目的主要是：(1)防止某个特征过大或过小，从而在训练中起的作用不平衡；(2)为了计算速度，因为在核计算中，会用到内积运算或exp运算，不平衡的数据可能造成计算困难。
用法：svm-scale [-l lower -u upper]
[-y y_lower y_upper]
[-s save_filename]
[-r restore_filename] filename
其中，[]中都是可选项：-l:设定数据下限;lower:设定的数据下限值，缺省为-1；-u设定数据上限；upper:设定的数据上限值，缺省为1；-y:是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；-s save_filename:表示将缩放的规则保存为文件save_filename；-r restore_filename:表示将按照已经存在的规则文件restore_filename进行缩放；filename:待缩放的数据文件，文件格式按照libSVM格式。
例如：
(1)将libsvmtrain_sample文件转换为libSVM格式
svm-scale -l 0 -u 1 -s data.range libsvmtrain_sample>train_scale.txt
(2)将libsvmtest_sample文件按照已经存在的规则文件data.range进行缩放，转换为libSVM格式
svm-scale -r data.range libsvmtest_sample>test_scale.txt
四、训练数据svm-train
svm-train主要实现对训练数据集的训练，并可以获得SVM模型。
用法： svm-train [options] training_set_file [model_file]
其中：(1)options为操作参数，可用的选项即表示的涵义参考博客[5]；
(2) training_set_file为需要进行训练的数据(已经过缩放)；
(3) model_file为要保存的结果文件，称为模型文件，以便在预测时使用；
训练完了之后，我们就可以对数据进行预测了，但训练的数据未必是最优参数，所以需要进一步优化，这里我们暂且跳过这一步，读者可参考博客[3]，里面有详细的过程。
五、测试数据svm- predict
用法：svmpredict [options] test_file model_file output_file
其中：(1)options为操作参数，可用的选项即表示的涵义参考博客[5]；
(2)test_file：是要进行预测的数据文件，格式也要符合libSVM格式，即使不知道label的值，也要任意填一个，svmpredict会在output_file中给出正确的label结果，如果知道label的值，就会输出正确率；
(3) model_file: 前面svm-train训练好的模型；
(4)output_file：是svmpredict的输出文件，表示预测的结果值。
六、实例
运用win+R和cmd进入windows的命令行提示符窗口。输入命令如下。
输入E: (表示进入E盘)，接着出现E:>，再输入cd\路径(表示进入当前盘根目录)
然后就输入以下四行代码。
数据缩放：svm-scale -l 0 -u 1 -s data.range libsvmtrain_sample>train_scale.txt
svm-scale -r data.range libsvmtest_sample>test_scale.txt
数据训练：svm-train -t 0 -c 1.4142 train_scale.txt model
数据测试：svm-predict test_scale.txt model predict_result
会出现如图1所示问题，显示无法打开这个文件。
解决的办法就是改变训练数据文件和测试数据文件的格式，去点.txt后缀，文件图标会变为空白，但仍可以用记事本打开。
重新输入上述命令，问题得到解决，如图2所示。
测试结果显示，分类的精度为90%。
参考博客
[1]如何转成libsvm支持的数据格式并做回归分析。
[2] MATLAB环境使用LIBSVM-数据格式解析（二）。
[3]libsvm简介和函数调用参数说明。
[4]windows下LIBSVM使用方法及例子。
[5] svmtrain和svmpredict的用法和参数含义。