一、安装libsvm

在官网里下载：LIBSVM -- A Library for Support Vector Machines

用pip安装：https://www.lfd.uci.edu/~gohlke/pythonlibs/#libsvm

下载python对应的版本

pip install ......

例如：

pip install libsvm-3.25-cp37-cp37m-win_amd64.whl

二、构建数据集并获得决策模型

1.打开svmtoy.exe文件

2.打开exe点图,点击save保存在txt文件里（文件的格式：Index of /~cjlin/papers/guide/data?）

后缀名改为.txt就行了

3.文件如图，第一类时分类，后面的冒号前面的1，2指的是特征?

代码部分

from libsvm.svmutil import *
from libsvm.svm import *
import scipy.spatial
#根据文件路径直接返回要使用的数据格式
label,data= svm_read_problem('C:/Users/administer/libsvm-3.25/libsvm-3.25/windows/1.txt/test1.txt')#训练数据

p_label,p_data=svm_read_problem('C:/Users/administer/libsvm-3.25/libsvm-3.25/windows/1.txt/train1.txt')#预测数据
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）
'''
#多项式核
model=svm_train(label,data,para)
svm_save_model('C:/Users/administer/libsvm-3.25/libsvm-3.25/windows/1.txt/test3.txt',model)
acc=svm_predict(p_label,p_data,model)

?结果图

4.高斯核部分

代码部分

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）
'''

model=svm_train(label,data,para)
svm_save_model('C:/Users/administer/libsvm-3.25/libsvm-3.25/windows/1.txt/train2.txt',model)
acc=svm_predict(p_label,p_data,model)

?结果图