對於圖片或文本，如果童鞋們需要初試分類效果，在MatLab做實驗是比較簡單的。例如：使用Libsvm庫函數svmtrain()訓練學習出一個模型Factor, 然後代入Factor，得到預測標籤向量Predict_label。
但是，這些都是人家的工作，假若我們加入自己的思路呢？例如：對於圖片分類實驗，預測標籤的時候，加入K階標籤共現值呢？你或許不是僅僅得到預測標籤Predict_label，而是希望得到標籤概率向量 Scores，輸出概率值。
在Libsvm下怎麼做？簡單。
Factor = svmtrain(train_label, train_data, '-b 1');
[predicted_label, accuracy, Scores] = svmpredict(test_label, test_data, Factor, '-b 1');
這裏，-b 1表示打開概率輸出開關。默認是：-b 0，不輸出概率值。
訓練標籤：train_label，
訓練數據：train_data，
預測標籤：predicted_label，
測試數據：test_data
查準率：accuracy
標籤概率：Scores
若是完全忽略掉predicted_label（預測標籤向量）, accuracy（查準率），則libsvm函數寫爲：
test_label = zeros(size(X_te,1), 1);% 啞元test_label
Factor = svmtrain(train_label, train_data, '-b 1');
[~, ~, Scores] = svmpredict(test_label, test_data, Factor, '-b 1');
建議拿點真實的、靠譜的公開數據集玩玩。例如：Corel 5K等等。太多啦。
當然，這裏，我們還僅僅是隻談論多類單標籤(Multi Class & Single Label)問題。而沒有涉及多類多標籤(Multi Class & Multi Label)問題。