一，LIBSVM的安装
1，下载安装包
下载网站：http://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
最新版本3.23，下载后解压。
2，测试libsvm是否可用（Python）
#测试代码：（注意libsvm-3.23/python路径）
import sys
path='C:/Users/Administrator/libsvm-3.23/python'
sys.path.append(path)
from svmutil import *
train_label,train_pixel = svm_read_problem('../heart_scale')
model = svm_train(train_label[:200],train_pixel[:200],'-c 4')
print("result:")
p_label, p_acc, p_val = svm_predict(train_label[200:], train_pixel[200:], model);
print(p_acc)
二，libsvm的使用
1，数据预处理
在数据预处理阶段，需要将数据集转化为libsvm要求的格式，通常的原始数据集格式为：
value1 value2 value3… label
1 2 3 1
1 2 3 -1
而libsvm要求格式为：
label 1：value1 2：value2 3：value3 …
1 1:1 2:2 3:3
-1 1:1 2:2 3:3
实现上述转换，简单的方法是利用 FormatDataLibsvm.xls
（1）.xls格式->libsvm格式的转换
Step1: 运行FormatDataLibsvm.xls（注意这时会有一个关于“宏已禁宏”的安全警示，点击“选项”，选择“启用此内容”，确定即可）；
Step2: 打开data.xls,(注：直接将数据粘贴到sheet1的topleft单元)
Step3: “工具”–>“宏”–>执行下面有一个选项 （FormatDatatoLibsvm）–>执行，要选中这个然后点击“运行”
等数据转换完成后，将该文件保存为.txt文件。这时数据转换的问题就解决了。
（2）.txt格式->libsvm格式的转换
这里所提的.txt文本数据是指数据文件带有逗号、空格、顿号、分号等数据分离符号的数据文件。因为其用符号来分离，导致所有数据项都归类为一个属性，无法实现上面2步骤的格式输入，也就无法实现正确结果格式的输出了。
Step1: 运行FormatDataLibsvm.xls数据导入文本文件
Step2: 根据data.txt文件本身的数据特点选择“原始数据类型（分隔符号）”
Step3: 选择“列数据格式”（常规）->完成
重复（1）.xls格式->libsvm格式的转换里面的步骤操作即可。
2，个人数据（Python）
import sys
path='C:/Users/Administrator/libsvm-3.23/python'
sys.path.append(path)
from svmutil import *
train_label,train_pixel = svm_read_problem('C:/Users/Administrator/Desktop/Data1.txt')
practical_label,predict_pixel = svm_read_problem('C:/Users/Administrator/Desktop/Data1.txt')
model = svm_train(train_label,train_pixel,'-s 0 -t 2 -c 1 -g 0.8)
print("result:")
p_label, p_acc, p_val = svm_predict(practical_label, predict_pixel, model);
print(p_acc)
print(practical_label)
print(p_label)
在libsvm-3.23的python文件夹下主要包括了两个文件svm.py和svmutil.py。svm.py接口主要包括了一些low-level的应用。在svm.py中采用了 python内置的ctypes库，由此python可以直接访问svm.h中定义的C结构和接口函数。svm.py主要运用了四个数据结构 svm_node, svm_problem, svm_parameter和svm_model。svmutil.py接口主要包括了high-level的函数，如下：
svm_read_problem() : read the data from a LIBSVM-format file.
svm_train() : train an SVM model
svm_predict() : predict testing data
svm_load_model() : load a LIBSVM model.
svm_save_model() : save model to a file.
evaluations() : evaluate prediction results.
3，svm_train()参数
-s 分类回归选择
-t 核函数类型
-c 惩罚系数
-g 核函数里面的一个参数
options:
-s svm_type : set type of SVM (default 0)
0 – C-SVC (multi-class classification)
1 – nu-SVC (multi-class classification)
2 – one-class SVM
3 – epsilon-SVR (regression)
4 – nu-SVR (regression)
-t kernel_type : set type of kernel function (default 2)
0 – linear: u’v
1 – polynomial: (gammau’v + coef0)^degree
2 – radial basis function: exp(-gamma|u-v|^2)
3 – sigmoid: tanh(gamma*u’*v + coef0)
4 – precomputed kernel (kernel values in training_set_file)
-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
-g gamma : set gamma in kernel function (default 1/num_features)