林智仁LIBSVM python包的安装与使用

一、下载并安装Python安装包
从python官网上下载windows下的安装包python-2.7.3.msi并安装

二、检查本地电脑是32位机还是64位机
打开IDL E(python GUI)，输入
>>>import sys
>>> sys.version
32位机 将出现字符 ：‘2.7.3 (default, Apr 10 2012, 23:31:26) [MSC v.1500 32 bit (Intel)]’
64位机 将出现 字符 ：‘2.7.3 (default, Apr 10 2012, 23:24:47) [MSC v.1500 64 bit (AMD64)]'  
三、下载 LIBSVM 并安装 Python版 
1.下载LIBSVM包(http://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/)，如libsvm-3.20.zip
2.解压 libsvm-3.20.zip，你将会看到如图1所示的目录结构。

 
图1   LIBSVM包结构

3.安装python版libsvm包
（1）32位机：
    1）将windows文件夹中找到动态链接库libsvm.dll，将其添加到系统目录，如`C:\WINDOWS\system32\’。

    2）将上图中python目录下的svm.py与svmutil.py复制到自己需要开发的工程目录下面。当然，也可以将其拷贝到系统安装的python包目录下，如（D:\Anaconda\Lib\site-packages\svm），然后配置python的环境变量，如下图：

然后重启电脑，就能保证后面引用svmutil包时不会出错。

    3）在需要使用SVM包的Python文件中通过“from svmutil import *”引入SVM模块接口。
（2）64位机：（稍微复杂点， 需要自己编译64位的动态链接库libsvm.dll，因为自带的是32的.dll ）
    1）需要 Microsoft Visual Studio（VS）开发环境。如果没有可以自己安装，也可以到别人Windows 64位机器上使用 已安装的VS。（我这里安装的是VS 2010）
    2） 在程序列表中的 Microsoft Visual Studio 2010 /Visual Studio Tools下找到Visual Studio x64 Win64 Command Prompt(2010)（注意一定要是64位的command prompt），双击该Command Prompt将会弹出命令行窗口，如图2所示。
    3）通过cd命令进入到LIBSVM所在文件夹libsvm-3.20。
    4） 输入nmake -f Makefile.win clean all。 这时libsvm-3.16的windows目录下将生成64位的动态链接库。至此，前面这个四个步骤如图2所示。

图2   Visual Studio x64 Win64 Command Prompt(2010)命令窗口

    5）再进行“（1）32位机”中所述的操作即可完成 python版libsvm包的安装使用。

4.python版libsvm包的测试使用
    （1）输入测试代码：
    >>> from svmutil import *
    >>> y, x = svm_read_problem(‘../heart_scale’)
    >>> m = svm_train(y[:200], x[:200], ‘-c 4’)
    >>> p_label, p_acc, p_val = svm_predict(y[200:], x[200:], m)
    （2）测试代码执行结果输出：

    optimization finished, #iter = 257

    nu = 0.351161

    obj = -225.628984, rho = 0.636110

    nSV = 91, nBSV = 49

    Total nSV = 91

    Accuracy = 84.2857% (59/70) (classification)

5.python版libsvm包部分 接口说明
    在libsvm-3.16的python文件夹下主要包括了两个文件svm.py和svmutil.py。
    svmutil.py接口主要包括了high-level的函数，这些函数的使用和LIBSVM的MATLAB接口大体类似。 svmutil中主要包含了以下几个函数：
    svm_train()            : train an SVM model
    svm_predict()         : predict testing data
    svm_read_problem() : read the data from a LIBSVM-format file.
    svm_load_model()    : load a LIBSVM model.
    svm_save_model()    : save model to a file.
    evaluations()         : evaluate prediction results.
    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。