1. 程式人生 > >資料探勘-全面的MAC上matlab安裝libsvm

資料探勘-全面的MAC上matlab安裝libsvm

主要整理於:

步驟:

1,下載下面兩個檔案:

Matlab optsPatch10.8.patch   ,libsvm的庫。

2,安裝command line tools:開啟終端,輸入

 xcode-select --install 

 然後點選安裝,等待下載安裝即可。

3,Matlab打補丁:給matlab安裝optsPatch10.8.patch。在Matlab命令框中輸入:

cd(matlabroot)    !unzip -o ~/Downloads/optsPatch10.8.patch

第二行解壓縮,檔案路徑自己改,一般下載下來沒有動的話就是在Downloads裡面。

4,mex -setup:告訴Matlab可以用混合模式編譯了。在Matlab命令框中輸入:

mex -setup

5,如果mex -setup報錯:如果報錯Error using mex這類,進行第5步中操作:

    5.1:下載檔案xcode7_mexopts.zip,解壓。

    5.2:開啟MATLAB,在命令視窗輸入  

cd( prefdir )

    5.3:看到MATLAB介面下“Current Folder”視窗,確保裡面沒有"mex_" 開頭的XML檔案(如 mex_C_maci64.xml),如果有,刪。

    5.4:命令視窗輸入   

cd( fullfile( matlabroot, 'bin', 'maci64', 'mexopts' ) );

    5.5:

備份原先這裡的檔案。  

mkdir mexoptsContentsOLD             
movefile *.xml mexoptsContentsOLD/

    5.6:將解壓後的xcode7_mexopts資料夾下的檔案移動到當前資料夾下:

 movefile( '~/Downloads/xcode7_mexopts/*.xml', '.' );

    5.7:重啟MATLAB,然後mex -setup,這裡mex -setup應該終於OK了,可能會有warning,沒事。

6,看到第一步下載的libsvm庫的壓縮包,解壓,然後移動到一個平時不會用到的地方,這個可是工具包哦~例如/Users/melody/Documents下。

7,make:開啟libsvm庫裡面的MATLAB資料夾,找到make.m檔案,在MATLAB裡面開啟,執行,成功之後會發現在原資料夾多了四個.m檔案。

8,引入工具包:Matlab中HOME標籤頁點Set Path,出來個框,左側點Add With Subfolders,把上一步的libsvm庫資料夾中MATLAB資料夾加進去,點Save,Close。大功告成。

--------驗證是否安裝成功---------

libsvmread('heart_scale'); 
model = svmtrain(heart_scale_label,heart_scale_inst);  
[predict_label,accuracy] = svmpredict(heart_scale_label,heart_scale_inst,model);


 然後得到Accuracy = 86.6667% (234/270) (classification) 

關於讀取資料網上也有人說 load heart_scale

問題:

1,現在的官方不給heart_scale.mat檔案了,所以不能直接load;

2,libsvmread()的用法現在為[label_vector, instance_matrix] = libsvmread('filename');例如:[heart_scale_label,heart_scale_inst] = libsvmread('heart_scale');

3,由於heart_scale在libsvm目錄下,不是在matlab下,所以直接用libsvmread命令會報錯,要買改變當前路徑,或者使用[heart_scale_label,heart_scale_inst] = libsvmread('../heart_scale');../代表返回上層路徑。

正確的測試方法:

首先進入heart_scale檔案目錄,就是libsvm的目錄;

然後下面的程式碼:

[heart_scale_label,heart_scale_inst] = libsvmread('heart_scale');
model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);
出現Accuracy = 86.6667% (234/270) (classification)

測試通過!

相關推薦

資料全面的MACmatlab安裝libsvm

主要整理於: 步驟: 1,下載下面兩個檔案: Matlab optsPatch10.8.patch   ,libsvm的庫。 2,安裝command line tools:開啟終端,輸入 xcode-select --install  然後點選安裝,等待下載安裝即

資料SVM(支援向量機)的matlab基礎DEMO詳細註解

load fisheriris %載入matlab自帶的資料[有關資料的資訊可以自己到UCI查詢,這是UCI的經典資料之一] %其中meas是150*4的矩陣代表著有150個樣本每個樣本有4個屬性描述

資料MATLAB下svm小例子

>> traindata = [0 1; -1 0; 2 2; 3 3; -2 -1;-4.5 -4; 2 -1; -1 -3]; >> %定義訓練jiji集 >>

Python資料文字挖掘

文字挖掘概要 搞什麼的? 從大量文字資料中,抽取出有價值的知識,並且利用這些知識更好的組織資訊的過程。 目的是什麼? 把文字資訊轉化為人們可利用的知識。 舉例來說,下面的圖表利用文字挖掘技術對庫克iphoneX 釋出會的內容進行分析,得出此次釋

資料——單層感知器的Matlab實現

% 單層感知器 %% 1.newp--建立一個感知器 %{ 具體用法: net=newp(P,T,TF,LF); P: P是一個R×2的矩陣,R為感知器中輸入向量的維度,每一行表示輸入向量每個分量的取值 範圍如P=[-1,1;0,1]表示輸入向量

人工智慧與資料準備工作--配置環境--同時安裝python3.6和2.7並做到切換(1)

本人德國本科生電子資訊工程剛剛畢業,準備德國讀研,空出來4個月假期,所以想分享一下對於人工智慧的看法以及一些入門準備操作。網上關於人工智慧的教程鋪天蓋地,本次部落格也是記錄了一個零基礎小白跨入人工智慧的一切過程。記錄部落格一方面是將自己所學知識進行鞏固,一方面也是想將自己一些

2018最全面的大資料的33個知識點

下面是一些關於大資料探勘的知識點,今天和大家一起來學習一下。 1. 資料、資訊和知識是廣義資料表現的不同形式。 2. 主要知識模式型別有:廣義知識,關聯知識,類知識,預測型知識,特異型知識 3. web挖掘研究的主要流派有:Web結構挖掘、Web使用挖掘、Web內容挖掘 4. 一般地

萌新向Python資料分析及資料 第一章 Python基礎 ()未排版

因word和部落格編輯器格式不能完全對接,正在重新排版,2019年1月1日發出第一章完整版     本文將參考《Python程式設計 從入門到實踐》的講述順序和例子,加上自己的理解,讓大家快速瞭解Python的基礎用法,並將拓展內容的連結新增在相關內容之後,方便大家閱讀。

網際網路和金融 在資料究竟存在什麼區別

轉自:http://www.chinacloud.cn/show.aspx?id=21991&cid=22 (一)“分析”和“演算法”   在網際網路中,“分析”和“演算法”,分得非常開,對應著“資料分析師”和“演算法工程師”兩種角色。前者更多側重資料提取、加工、

在Jupyter notebook和spyder用python做資料安裝使用簡介和常見錯誤

這裡借知乎使用者的幾句對Jupyter notebook評價: 我很喜歡Jupyter,使用的過程就好比拿紙和筆,還有計算器做數學演算. 而且可以把草稿輕鬆擦掉。比如,要寫個小Paper,完全可以用Jupyter來做,程式碼和論述完美的結合了,而且直接還

在R中使用支援向量機(SVM)進行資料

在R中,可以使用e1071軟體包所提供的各種函式來完成基於支援向量機的資料分析與挖掘任務。請在使用相關函式之前,安裝並正確引用e1071包。該包中最重要的一個函式就是用來建立支援向量機模型的svm()函

資料—LDA,PCA特徵提取降維與SVM多分類在人臉識別中的應用資料集ORL

@vision 3 @author:馬旭 @tel:13952522076 @email:[email protected] 執行:執行predict.m檔案; 結果:時間一般為0.2秒左右,正確率100%;(因為測試集比較少) 預處理資料preprocess

詳細解釋資料中的 10 大演算法(

在一份調查問卷中,三個獨立專家小組投票選出的十大最有影響力的資料探勘演算法,今天我打算用簡單的語言來解釋一下。 一旦你知道了這些演算法是什麼、怎麼工作、能做什麼、在哪裡能找到,我希望你能把這篇博文當做一個跳板,學習更多的資料探勘知識。 還等什麼?這就開始吧! 1.

資料在生活的應用

隨著資訊科技的進步,資料的收集變得十分便利。各式各樣(手機、信用卡、瀏覽網頁及部落格等)的資訊,

資料之分類演算法---knn演算法(Matlab程式碼)

knn演算法(k-Nearest Neighbor algorithm).是一種經典的分類演算法. 注意,不是聚類演算法.所以這種分類演算法必然包括了訓練過程. 然而和一般性的分類演算法不同,knn演算法是一種 懶惰演算法 .它並非 像其他的分類演算法先通過訓練建立分類模型.,而是一種被動的分類

資料環境下整合R語言的資料平臺 之介紹、資料傳與資料預處理

這個整合R語言的資料探勘平臺是當時為中國軟體杯比賽做的一個系統,由於時間太緊,當時開發只用了一週的時間,不過前前後後用了大半年來學習和熟悉R語言,深深感覺到R語言真的是資料分析的一個利器,內建的各種分析包大大簡化了資料分析的過程,只需要傳參呼叫即可,再也不需要讀

資料技術在軌跡資料的應用實踐

​![](https://img2020.cnblogs.com/other/1632886/202009/1632886-20200927195536176-2111762314.png) ![](https://img2020.cnblogs.com/other/1632886/202009/163288

資料領域中的分類和迴歸區別是什麼?

先簡單的說下吧,下面給出實際例子 類和迴歸的區別在於輸出變數的型別。定量輸出稱為迴歸,或者說是連續變數預測;定性輸出稱為分類,或者說是離散變數預測。舉個例子:預測明天的氣溫是多少度,這是一個迴歸任務;預測明天是陰、晴還是雨,就是一個分類任務。  拿支援向量機舉個例子,分類問題

資料就業前景怎麼樣?hadoop工程師、資料資料分析師薪資多少?

近幾年來,大資料這個詞突然變得很火,不僅納入阿里巴巴、谷歌等網際網路公司的戰略規劃中,同時也在我國國務院和其他國家的政府報告中多次提及,大資料無疑成為當今網際網路世界中的新寵兒。 《大資料人才報告》顯示,目前全國的大資料人才僅46萬,未來3-5年內大資料人才的缺口將高達150萬,越來越多

利用Python學習資料【0】

相信看到這篇文章的你一定是對資料分析,資料探勘有興趣,或者想從事和方面。本文不再累述python對資料分析的重要,資料分析這門的由來之類的。 在這裡,我單刀直入,已我學習資料探勘3年來的經歷告訴大家怎麼去學,以讓大家少走彎路。純個人見解,如有不對,還請各位留言指教。 話不多說,直接放圖。