关于libsvm包的安装，网上教程众多且各有不同，本文旨在简要总结几种常见的安装方法。
第一种方法：通过whl文件安装
-
下载whl文件：访问https://www.lfd.uci.edu/~gohlke/pythonlibs/#libsvm，选择与您的python版本相匹配的libsvm whl文件进行下载。
-
安装whl文件：打开命令提示符（cmd），导航到whl文件所在的目录，并运行以下命令（请根据实际文件名和路径进行调整）：
pip install libsvm‑3.22‑cp37‑cp37m‑win_amd64.whl
-
后续步骤：安装成功后，libsvm.dll文件将出现在Python的site-packages目录中。有人建议将此文件复制到C:windowssystem32目录下。
-
测试安装：使用以下代码测试libsvm是否安装成功：
立即学习“Python免费学习笔记（深入）”；
from svmutil import * from svm import * y, x = [1, -1], [{1: 1, 2: 1}, {1: -1, 2: -1}] prob = svm_problem(y, x) param = svm_parameter('-t 0 -c 4 -b 1') model = svm_train(prob, param) yt = [1] xt = [{1: 1, 2: 1}] p_label, p_acc, p_val = svm_predict(yt, xt, model) print(p_label)如果代码运行无误，则说明libsvm已成功安装。
第二种方法：手动下载和配置
-
下载libsvm：从http://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/或http://www.csie.ntu.edu.tw/~cjlin/libsvm/下载libsvm包。
-
添加动态链接库：在下载的libsvm包中，找到windows文件夹内的libsvm.dll文件。如果您的Python是32位，直接将此文件复制到C:WindowsSystem32目录下。如果是64位系统，需要重新编译64位的dll文件。假设已安装visual studio（如VS2015），在VS2015 x64本机工具命令提示符中，导航到libsvm目录并运行：
nmake -f Makefile.win clean all
编译完成后，将生成的64位dll文件复制到C:WindowsSystem32目录下。
-
导入模块：为了便于使用，可以将libsvm包添加到Python的site-packages目录中，并在libsvm和libsvm/python文件夹中分别添加
__init__.py
文件。导入时使用以下命令：
from libsvm.python.svm import * from libsvm.python.svmutil import *
或者不添加到默认路径，直接在代码中添加路径：
import sys sys.path.append("libsvm/python") import svm import svmutil如果遇到svmutil无法找到svm模块的问题，修改svmutil.py中的导入语句为：
from libsvm.python.svm import * from libsvm.python.svm import __all__ as svm_all
第三种方法：直接解压使用
-
解压libsvm包：将libsvm的zip文件解压到特定位置（如D盘根目录）。
-
测试libsvm：在Python ide中运行以下代码以测试libsvm是否可用：
如果能看到84%的准确度，说明libsvm已成功安装并可用。
训练和预测数据
假设训练数据集文件路径为G: rain.txt，预测数据集文件路径为G:predict.txt，使用svm方法如下：
-
加载数据：
train_label, train_value = svm_read_problem("G:train.txt") # 训练数据集 predict_label, predict_value = svm_read_problem("G:predict.txt") # 预测数据集 -
训练模型：
model = svm_train(train_label, train_value)
-
预测数据类别：
p_label, p_acc, p_val = svm_predict(predict_label, predict_value, model) print(p_acc) # 打印预测结果
其中，p_label是预测标签的列表，p_acc是预测的精确度，p_val在指定参数’-b 1’时返回判定系数。
LibSVM简介
libsvm的.zip格式版本解压后包含5个主要文件夹和一些c++源码文件：
- Java：用于Java平台。
- Python：用于参数优选。
- svm-toy：可视化工具，用于展示训练数据和分类界面。
- tools：包含用于数据集抽样、参数优选、集成测试和数据检查的Python文件。
- windows：包含libsvm的四个exe程序包和样本文件heart_scale。
其他.h和.cpp文件是程序的源码，可以编译出相应的.exe文件。其中，svm.h和svm.cpp是最重要的文件，其他.c文件调用这些接口函数。
第一次体验LibSVM
-
解压libsvm包：将libsvm包解压到特定目录（如D:/libsvm）。
-
进入DOS环境：在命令提示符中导航到libsvm/windows目录。
-
进行libsvm训练：运行以下命令：
svm-train heart_scale train.model
其中，heart_scale是样本文件，train.model是保存训练结果的文件。训练完成后，会生成train.model文件，记录了训练结果。
参考资料：
