在 matlab 中添加路径 libsvm 库后的问题

Posted 2023-03-12

【中文标题】在 matlab 中添加路径 libsvm 库后的问题

【英文标题】：problems after addpath libsvm library in matlab

【发布时间】：2013-03-12 05:33:55

【问题描述】：

我想知道 libsvm 是如何工作的。我在此链接 [1] 中尝试了此代码：10 fold cross-validation in one-against-all SVM (using LibSVM)。它正在工作（我没有在matlab中添加路径libsvm库）但是在我添加libsvm库之后。它不工作。我不知道如何解决它。有一个错误：

Error using svmtrain (line 233)
Y must be a vector or a character array.

Error in libsvmtrain_ova (line 11)
        modelsk = svmtrain(double(y==labels(k)), X, strcat(opts,' -b 1 -q'));

Error in libsvmcrossval_ova (line 10)
        mdl = libsvmtrain_ova(y(trainIdx), X(trainIdx,:), opts);

Error in main (line 9)
acc = libsvmcrossval_ova(labels, data, opts, nfold);

有人帮我解决吗？谢谢

【问题讨论】：

与生物信息学 svmtrain 和 libsvm svmtrain 的命名冲突？ LIBSVM FAQ

我在 Makefile 中用 CXX = g++-X.Y 改变了这个 CXX = g++ 。但仍然错误

这不是我的建议。运行 libsmv svmtrain 时尝试使用完整路径名。

【参考方案1】：

我关注了你提到的帖子，我得到了没有错误的结果。对我来说，“fisheriris”数据集的交叉验证准确率为 96.6667%。对你来说，我认为错误是正如第一条评论所说的那样，错误来自“svmtrain”。下面，我将展示我是如何运行代码的。

1) 从http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 下载 libsvm 并解压。

2) 将\libsvm-3.16\matlab\ 中的文件svmtrain.c 和svmpredict.c 的名称更改为libsvmtrain.c 和libsvmpredict.c。然后在同一文件夹中找到make.m，将第16行和第17行更改为

mex CFLAGS="\$CFLAGS -std=c99" -largeArrayDims libsvmtrain.c ../svm.cpp svm_model_matlab.c
mex CFLAGS="\$CFLAGS -std=c99" -largeArrayDims libsvmpredict.c ../svm.cpp svm_model_matlab.c

3) 运行 make.m 您刚刚更改为 mex *.c 文件。

4) 在帖子 10 fold cross-validation in one-against-all SVM (using LibSVM) 的接受答案之后，您为每个函数创建四个 .m 文件，crossvalidation.m、libsvmcrossval_ova.m、libsvmpredict_ova.m、libsvmtrain_ova.m 并运行该回答者提供的主函数，如下：

clear;clc;
%# laod dataset
S = load('fisheriris');
data = zscore(S.meas);
labels = grp2idx(S.species);

%# cross-validate using one-vs-all approach
opts = '-s 0 -t 2 -c 1 -g 0.25';    %# libsvm training options
nfold = 10;
acc = libsvmcrossval_ova(labels, data, opts, nfold);
fprintf('Cross Validation Accuracy = %.4f%%\n', 100*mean(acc));

%# compute final model over the entire dataset
mdl = libsvmtrain_ova(labels, data, opts);



acc = libsvmtrain(labels, data, sprintf('%s -v %d -q',opts,nfold));
model = libsvmtrain(labels, data, strcat(opts,' -q'));

【讨论】：

非常感谢您的帮助，它正在工作，但我必须先安装 sdk。

无论如何......你知道 acc = libsvmcrossval_ova(labels, data, opts, nfold); 之间的区别吗？ fprintf('交叉验证准确率 = %.4f%%\n', 100*mean(acc));还有这个：acc = libsvmtrain(labels, data, sprintf('%s -v %d -q',opts,nfold));为什么结果不一样？？

@user2157806 为了解决多类分类问题，有很多方法，例如一对多和一对一。在 libsvmcrossval_ova 中，它使用 one-vs-all。在 libsvmcrossval_ova 中，它使用 libsvmtrain，其中 libsvmtrain 用作二进制分类。但是在 acc = libsvmtrain(labels, data, sprintf('%s -v %d -q',opts,nfold)) 中，libsvmtrain 被用作多类分类器。他们使用不同的方法来解决多类问题，因此结果是不同的。你可以查看这个帖子：***.com/questions/9041753/…

one-vs-all 意味着您选择一个类作为正类，其他类作为负类，这样您就可以将多类问题转换为二元分类。因此，请检查什么是“一对一”以及什么是“一对一”。阅读本文：hal.archives-ouvertes.fr/docs/00/10/39/55/PDF/… 另外，请确保您使用 google 了解“one-vs-one”、“one-vs-all”、“cross validation”。

@user2157806 libsvm 可以执行多类分类。它使用一对一的方法。请参阅 libsvm here 的常见问题解答部分并搜索以下问题：libsvm 对多类 SVM 使用什么方法？为什么不使用“1-against-the rest”的方法？

【参考方案2】：

有一个非常简单的方法。在 matlab 的 Set Path Button 中将 libsvm 文件夹设置为优先路径。

【讨论】：

这是一个比重新编译 libsvm 更好的答案