首先要提的是LibSVM是一個庫，Lib很明顯是library的縮寫，有些人不知道怎么會認(rèn)為它是一種算法。它是由中國臺灣的Chih-Chung Chang和Chih-Jen Lin等人開發(fā)的，他們用多種語言實現(xiàn)寫了LibSVM。

我把這一篇放到Weka開發(fā)里講，主要講它怎么和Weka結(jié)合，Weka中并不是沒有SVM算法，Weka中有SMO算法的實現(xiàn)。

Weka and LibSVM are two efficient software tools for building SVM classifiers. Each one of these two tools has its points of strength and weakness. Weka has a GUI and produces many useful statistics (e.g. confusion matrix, precision, recall, F-measure, and ROC scores). LibSVM runs much faster than Weka SMO and supports several SVM methods (e.g. One-class SVM, nu-SVM, and R-SVM). Weka LibSVM (WLSVM) combines the merits of the two tools. WLSVM can be viewed as an implementation of the LibSVM running under Weka environment.

這一段是我從拷貝來的，請注意里面有一句話，LibSVM運(yùn)行的比Weka里的SMO快的多，如果你敢用SMO算法去訓(xùn)練大數(shù)據(jù)集，你就明白天荒地老的真實含意了。其它和Weka結(jié)合的最主要的原因，我認(rèn)為是，我們開始的時候往往都是用別的算法去試著做實驗的（或者本來就需要多種基分類器），比如Na?ve Bayes(LibSVM是比SMO快的多，可是比起來Na?ve Bayes，它還是蝸牛)，到最后又想試試LibSVM，這時就需要LibSVM庫。

還有一點(diǎn)也是容易誤解的就是Weka里的高版本，里面是有LibSVM這個分類器，但你如果直接想運(yùn)行是會出錯的，提示你沒有設(shè)置路徑。原因是：WLSVM can be viewed as an implementation of the LibSVM running under Weka environment.

先把LibSVM下載下來，上次竟然有人問我在哪下載，這種問題，我真是不想回答，不就是google一下嗎？網(wǎng)址也放上：http://www.csie./~cjlin/libsvm/，下載WLSVM，解壓后Lib文件夾下有一個LibSVM.jar的包，用和導(dǎo)入Weka.jar包相同的方式導(dǎo)入就好了，然后使用LibSVM和使用以前任何一種分類器的方式都是一樣的。

LibSVM classifier = new LibSVM();

classifier.buildClassifier( instances );

Evaluation evaluation = new Evaluation( ins );

evaluation.crossValidateModel(classifier, ins, 10, random );

System.out.println( "正確率為：" ( 1 - evaluation.errorRate() ) );