現在寫一下在matlab中從安裝libsvm到使用。
1，安裝
系統版本：redhat 6.0
libsvm的版本：3.1. 下載地址：http://www.csie.ntu.edu.tw/~cjlin/libsvm/
matlab版本：2010b.
1) 首先將matlab當前目錄設爲libsvm\matlab所在目錄，並且保證Makefile文件中MATLABDIR路徑爲matlab安裝所在路徑，例如：
MATLABDIR ?= /RLNK/PACKAGE/MATLAB.2010b
2）在matlab命令窗口中輸入：-mex -setup
出現
Options files control which compiler to use, the compiler and link command
options, and the runtime libraries to link against.
Using the 'mex -setup' command selects an options file that is
placed in ~/.matlab/R2010b and used by default for 'mex'. An options
file in the current working directory or specified on the command line
overrides the default options file in ~/.matlab/R2010b.
To override the default options file, use the 'mex -f' command
(see 'mex -help' for more information).
The options files available for mex are:
1: /rlnk/package/matlab.2010b.64/bin/gccopts.sh :
Template Options file for building gcc MEX-files
2: /rlnk/package/matlab.2010b.64/bin/mexopts.sh :
Template Options file for building MEX-files via the system ANSI compiler
0: Exit with no changes
選擇了 1
Enter the number of the compiler (0-2):
1
確定
Overwrite /dcs/pg10/xingjie/.matlab/R2010b/mexopts.sh ([y]/n)?
y
/rlnk/package/matlab.2010b.64/bin/gccopts.sh is being copied to
/dcs/pg10/xingjie/.matlab/R2010b/mexopts.sh
**************************************************************************
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/support/solutions/en/data/1-5C27B9/?solution=1-5C27B9
Building with the -largeArrayDims option enables the new API.
**************************************************************************
3）輸入make，編譯。
這裏我發現輸入make總是編譯報錯，輸入 !make 就能正常通過編譯。估計是compiler選擇的問題。只能從工程角度表示可以解決問題，但不知到是什麼原理，對Linux不熟，求懂行者解答。
另外在網上看到有人也遇到類似問題，用 !make 無法解決，但是將.c文件中所有的註釋符號由 // 換成 /* */ ，並且吧Makefile中所有 .obj 後綴 換成 .o 後綴就可以了。同樣不懂，求解答。
編譯成功後就會發現目錄下多了：
libsvmread.mexa64
libsvmwrite.mexa64
svmpredict.mexa64
svmtrain.mexa64
這就說明編譯成功了。
2，使用
這裏使用libsvm自帶的例子測試一下。
load heart_scale.mat
model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model); % test the training data
可以看到結果：
Accuracy = 86.6667% (234/270) (classification)