libsvm工具箱是臺灣大學林智仁（C.J Lin）等人開發的一套簡易、易於實現的SVM模式識別與迴歸軟體包。如何安裝libsvm，網上有很多的教程，但有些教程可能並不適合你所用的系統或者所用的matlab版本，在認真參考網上比較好的資料後，發現自己走了很多彎路。選對了系統和matlab版本（後面會說原因），安裝libsvm並沒有那麼麻煩。

參考資料：

記錄自己安裝libsvm步驟如下：

1、下載libsvm工具箱

解壓下載的壓縮包，我的解壓路徑為C:\Program Files\MATLAB\R2017a\toolbox

2、設定路徑

網上很多教程說需要安裝編譯器（如MinGW-64），然後選擇編譯器（mex -setup）重新編譯。自己也按照這些步驟去做，最後尼瑪出現各種問題（還是自己水平太菜的問題），一臉心酸。最後在百度知道上看到一段話（

因為我使用的系統Win10和matlab2017a均為64位，現在libsvm針對64位系統單獨做了封裝，在libsvm下有一個windows目錄，libsvm/windows/*.mexw64，直接將libsvm/windows載入到matlab執行路徑上就可以，無需編譯！

因此新增路徑：

Set Path ->add with subfolders->加入你所解壓的libsvm-3.22資料夾的路徑

或者，你直接在matlb命令視窗執行下面的程式碼來新增路徑：

cd(' C:\Program Files\MATLAB\R2017a\toolbox\libsvm-3.22');%切換至所在目錄
cd windows;
addpath(pwd);%新增路徑
savepath;%儲存路徑

[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);
 

得到結果如下：

*
optimization finished, #iter = 134
nu = 0.433785
obj = -101.855060, rho = 0.426412
nSV = 130, nBSV = 107
Total nSV = 130

Accuracy = 86.6667% (234/270) (classification)