1，安装libsvm
下载whl文件，利用pip安装，不会的点这里
2，构建数据集并获得决策模型
点击libsvm下svm-toy.exe，然后手动构建
这是我点的点保存下来的数据，保存为txt文件
然后时代吗
先导入包
from libsvm.svmutil import *
from libsvm.svm import *
import scipy.spatial
读取数据
#根据文件路径直接返回要使用的数据格式
label,data= svm_read_problem('..\\source\\iris.txt')#训练数据
p_label,p_data=svm_read_problem('..\\source\\predict.txt')#预测数据
训练参数
para ='-t 1 -c 4 -b 1'
'''
-t
0为线性核
1为多项式核
2为高斯核（默认）
'''
训练并将模型保存在文件里，同时测试准确度
#多项式核
model=svm_train(label,data,para)
svm_save_model('..\\source\\multi.txt',model)
acc=svm_predict(p_label,p_data,model)
高斯核与线性核差不多，只是要改这些地方
这是高斯核
para ='-t 2 -c 4 -b 1'
'''
-t
0为线性核
1为多项式核
2为高斯核（默认）
'''
线性核
para ='-t 0 -c 4 -b 1'
'''
-t
0为线性核
1为多项式核
2为高斯核（默认）
'''
这时可以看到生成的三个文件中的内容
这就是生成的模型
3，总结
libsvm的使用与sklearn里的svm使用一样方便，libsvm对于模型的描述相较于sklearn来说更全面一点，不过使用libsvm需要注意数据的格式